如何基于Pandas DataFrame某列值执行条件计算？

我有如下DataFrame：

count  prep  result
     0      10     100
    10      100    100

需要根据以下规则创建新列evaluated：

if df['count']==0: 
    df['evaluated'] = df['result'] / df['prep']
else:
    df['evaluated'] = df['result'] / df['count']

预期结果：

count  prep  result   evaluated
     0      10     100      10
    100     10     100      1

我的真实DataFrame包含3万行数据，请问最优实现方式是什么？

对于3万行的DataFrame，矢量化操作是最高效的选择——完全避免逐行循环，利用Pandas基于NumPy的底层优化大幅提升性能。以下是两种推荐的实现方式：

方法1：使用numpy.where #

代码简洁，性能最优，一行完成条件赋值：

import numpy as np
import pandas as pd

df['evaluated'] = np.where(df['count'] == 0, 
                           df['result'] / df['prep'], 
                           df['result'] / df['count'])

方法2：使用Pandasloc布尔索引 #

逻辑清晰，先批量处理默认情况，再替换特殊值：

# 先处理count≠0的情况
df['evaluated'] = df['result'] / df['count']
# 单独替换count=0的行
df.loc[df['count'] == 0, 'evaluated'] = df['result'] / df['prep']

性能说明 #

这两种方法的时间复杂度均为O(n)，远优于逐行处理的df.apply()或原生Python循环。3万行数据下，两种方法都能在毫秒级完成计算，完全满足需求。

内容的提问来源于stack exchange，提问作者datashout