如何在Pandas DataFrame的assign方法中使用if条件语句

简介及可复现代码片段 #

我在对若干列执行需要通过if/else语句判断条件的操作时遇到了困难。

具体来说，我尝试在Pandas DataFrame的assign方法中完成该条件判断。以下是我尝试实现的示例代码：

# 导入Pandas
import pandas as pd

# 创建模拟数据
my_df = pd.DataFrame({'col1':[1,2,3,4,5,6,7,8,9,10],
                      'col2':[11,22,33,44,55,66,77,88,99,1010]})

# 创建不覆盖原DataFrame的输出DataFrame
out_df = my_df.assign(
    # 使用lambda函数成功创建新列col3
    col3=lambda row: row['col1'] + row['col2'],

    # 使用新的lambda函数基于刚生成的列执行操作
    bleep_bloop=lambda row: 'bleep' if (row['col3']%8 == 0) else 'bloop')

上述代码触发了ValueError：

ValueError: The truth value of a Series is ambiguous

排查错误时发现lambda函数在DataFrame中处理条件逻辑时表现不佳，主要原因是DataFrame以Series形式处理数据。

几种临时解决方案 #

使用apply #

一种临时方案是先通过assign方法创建col3，再用apply方法创建bleep_bloop列：

out_sr = (my_df.assign(
    col3=lambda row: row['col1'] + row['col2'])
    .apply(lambda row: 'bleep' if (row['col3']%8 == 0) 
                               else 'bloop', axis=1))

但该方案仅返回包含bleep_bloop列结果的Series，而非同时包含col3和bleep_bloop的新DataFrame。

即时链式命令vs多命令拆分 #

另一种方案是将命令拆分为两步：

out_df_2 = (my_df.assign(col3=lambda row: row['col1'] + row['col2']))
out_df_2['bleep_bloop'] = out_df_2.apply(lambda row: 'bleep' if (row['col3']%8 == 0) 
                               else 'bloop', axis=1)

该方案可行，但我希望尽可能使用单一链式命令完成操作。

回到核心问题 #

鉴于上述方案不够理想，是否存在其他方法可基于if/else条件语句创建新列？

本文示例较为简单，但实际场景可能需要应用自定义函数（例如：out_df=my_df.assign(new_col=lambda row: my_func(row))，其中my_func是使用同一行中多列作为输入的复杂函数）。

内容的提问来源于stack exchange，提问作者Felipe D.