如何基于DataFrame的extra_type列创建ball_faced二值列？

你的原代码错误在于apply的lambda函数中错误引用了整个列df1['extra_type']，而非当前遍历的元素x，导致逻辑失效。以下是几种可行的解决方案：

方法1：使用numpy.where（推荐，效率最优） #

import numpy as np
df1['ball_faced'] = np.where(df1['extra_type'] != 'wides', 1, 0)

该方法会逐行判断extra_type是否不等于wides，满足条件赋值1，否则赋值0，自动处理NaN（NaN != 'wides'结果为True，因此会赋值1，符合需求）。

方法2：修正apply写法 #

df1['ball_faced'] = df1['extra_type'].apply(lambda x: 1 if x != 'wides' else 0)

这里lambda函数的参数x对应extra_type列的每个元素，直接判断单个元素是否不等于wides，逻辑清晰且符合需求。

方法3：布尔值转整数（简洁高效） #

df1['ball_faced'] = (df1['extra_type'] != 'wides').astype(int)

Pandas布尔类型的Series可以直接转换为整数，True会转为1，False转为0，同样完美适配你的规则。

验证示例 #

import pandas as pd
import numpy as np

# 构造示例数据
data = {'extra_type': [np.nan, 'legbyes', 'wides', 'byes']}
df1 = pd.DataFrame(data)

# 执行方法3
df1['ball_faced'] = (df1['extra_type'] != 'wides').astype(int)
print(df1)

输出结果：

extra_type  ball_faced
0        NaN           1
1     legbyes           1
2      wides           0
3       byes           1

内容的提问来源于stack exchange，提问作者Learner