如何通过iterrows遍历多条件DataFrame并使用np.where生成标记列？

我想基于多个条件批量生成标记列，希望用可迭代的方式实现。现有示例代码如下：

# 示例DataFrame
data = [[1, 1980.0, 2000.0]]
df = pd.DataFrame(data, columns=["Item", "year1", "start_year"])

# 基于条件分配标记列
df = df.assign(year_flag=lambda x: np.where(x["year1"] < 1985, True, False))

我原本计划创建存储条件的condition_df，通过iterrows遍历生成标记列，代码如下：

# 创建存储条件与待生成标记的DataFrame
data = [
    [
        "year1",
        "(df['year1'] < 1985)",
    ],
    [
        "year2",
        "((df['year1'] < 1985) | ((df['start_year'] - df['year1']) < 10))",
    ],
]
condition_df = pd.DataFrame(data, columns=["column", "condition"])

# 遍历condition_df生成条件与标记列
for idx, row in condition_df.iterrows():
    col = row["column"]
    condition = row["condition"]
    flag_col_name = f"{col}_flag"
    df = df.assign(flag_col_name=lambda df: np.where(condition, True, False))

但运行报错，猜测是因为条件是字符串类型导致的，请问怎么实现这个需求？有没有更优的替代方案？

方法1：使用eval()执行字符串条件 #

你的猜测正确，字符串格式的条件无法直接被np.where解析，需要用eval()将字符串转换为可执行的布尔表达式。同时注意assign方法中不能直接用变量作为列名，需改用字典形式传入：

import pandas as pd
import numpy as np

# 示例DataFrame
data = [[1, 1980.0, 2000.0]]
df = pd.DataFrame(data, columns=["Item", "year1", "start_year"])

# 条件配置DataFrame
data = [
    ["year1", "(df['year1'] < 1985)"],
    ["year2", "((df['year1'] < 1985) | ((df['start_year'] - df['year1']) < 10))"],
]
condition_df = pd.DataFrame(data, columns=["column", "condition"])

# 遍历生成标记列
for _, row in condition_df.iterrows():
    flag_col_name = f"{row['column']}_flag"
    # 用eval执行字符串条件，生成布尔数组
    condition_result = eval(row["condition"])
    df[flag_col_name] = np.where(condition_result, True, False)

⚠️ 注意：eval()存在安全风险，如果条件字符串来自不可信来源，请勿使用此方法。

方法2：用函数替代字符串条件（更安全） #

若担心eval()的安全问题，可以将条件定义为匿名函数，存储在condition_df中，这种方式更安全且可读性更强：

import pandas as pd
import numpy as np

# 示例DataFrame
data = [[1, 1980.0, 2000.0]]
df = pd.DataFrame(data, columns=["Item", "year1", "start_year"])

# 用函数存储条件，替代字符串
data = [
    ["year1", lambda df: df['year1'] < 1985],
    ["year2", lambda df: (df['year1'] < 1985) | ((df['start_year'] - df['year1']) < 10)],
]
condition_df = pd.DataFrame(data, columns=["column", "condition"])

# 遍历生成标记列
for _, row in condition_df.iterrows():
    flag_col_name = f"{row['column']}_flag"
    # 直接调用函数获取布尔结果
    condition_result = row["condition"](df)
    df[flag_col_name] = condition_result

这种方法避免了eval()的安全隐患，代码逻辑更清晰，后期维护更方便。

方法3：批量生成标记列（高效无遍历） #

如果需要处理大量条件，推荐用字典推导式批量生成所有标记列，再一次性合并到原DataFrame，性能更优：

import pandas as pd
import numpy as np

# 示例DataFrame
data = [[1, 1980.0, 2000.0]]
df = pd.DataFrame(data, columns=["Item", "year1", "start_year"])

# 条件配置：键为标记列名，值为条件函数
condition_map = {
    "year1_flag": lambda df: df['year1'] < 1985,
    "year2_flag": lambda df: (df['year1'] < 1985) | ((df['start_year'] - df['year1']) < 10),
}

# 批量生成标记列并合并
df = pd.concat([df, pd.DataFrame({k: v(df) for k, v in condition_map.items()}, index=df.index)], axis=1)

这种方式减少了循环操作，在处理大数据集时效率更高。

内容的提问来源于stack exchange，提问作者user