如何在Pandas中按条件创建新列fruit_cost并赋值？

我有一个Pandas DataFrame对象df，想要创建新列fruit_cost：当item_type字段值为'fruit'时，该列取cost列的整数值；否则赋值为0。想了解Pandas中的标准实现方式，是用条件逻辑还是更简便的方法，同时希望获取此类操作的最佳实践。

对应的SQL实现示例：

case
when item_type = 'fruit' then cost
else 0
end 
as fruit_cost 

我尝试的Python代码（存在语法错误）：

import pandas as pd

list_of_customers =[
['patrick','lemon','fruit',10],
['paul','lemon','fruit',20],
['frank','lemon','fruit',10],
['jim','lemon','fruit',20], 
['wendy','watermelon','fruit',39],
['greg','watermelon','fruit',32],
['wilson','carrot','vegetable',34],    
['maree','carrot','vegetable',22],
['greg','','',], 
['wilmer','sprite','drink',22] 
]

df = pd.DataFrame(list_of_customers,columns = ['customer','item','item_type','cost'])

print(df)

#create new field 'fruit_cost'

df[fruit_cost] = if df[item_type] == 'fruit':
                    df[cost]
                 else:
                    0

标准实现方法 #

1. 使用numpy.where（最贴近SQL CASE逻辑） #

这是最直观的写法，和SQL的CASE WHEN逻辑完全对应，适合简单条件判断：

import numpy as np

df['fruit_cost'] = np.where(df['item_type'] == 'fruit', df['cost'], 0)

解释：第一个参数是判断条件，满足时取第二个参数的值，不满足则取第三个参数的值。

2. 使用Pandas原生where/mask方法 #

Pandas的Series自带where和mask方法，逻辑互补：

• where：满足条件时保留原值，不满足时替换为指定值
• mask：不满足条件时替换为指定值，满足时保留原值

用where实现需求：

df['fruit_cost'] = df['cost'].where(df['item_type'] == 'fruit', 0)

用mask实现等价逻辑：

df['fruit_cost'] = df['cost'].mask(df['item_type'] != 'fruit', 0)

3. 使用loc索引赋值 #

适合复杂条件或需要分步操作的场景，可读性更强：

# 先初始化所有值为0
df['fruit_cost'] = 0
# 给满足条件的行赋值为cost列的值
df.loc[df['item_type'] == 'fruit', 'fruit_cost'] = df['cost']

这种方式便于扩展多条件分支，维护成本低。

空值处理注意事项 #

你的原始数据中存在空值行（比如greg的那一行），默认情况下空的item_type会被判定为不满足条件，自动赋值0。如果需要规避空值cost的影响，可以在条件中增加非空判断：

df['fruit_cost'] = np.where(
    df['item_type'].eq('fruit') & df['cost'].notna(), 
    df['cost'], 
    0
)

最佳实践总结 #

• 简单单条件：优先用numpy.where或Pandas的where方法，代码简洁直观，贴近SQL逻辑
• 多条件分支：嵌套numpy.where或用loc分步赋值，更易维护
• 性能优化：大数据量下，以上方法的性能差异极小，均远快于循环遍历
• 可读性：优先选择贴近业务逻辑的写法，降低团队协作的理解成本

内容的提问来源于stack exchange，提问作者Patty