如何高效使用np.where优化pandas多条件列赋值？

针对你用重复条件填充新列的问题，这里提供几种更简洁高效的实现方式，尤其适合大规模数据集：

方案1：提取公共条件 + 年份映射 #

先把重复的price和fuel description条件提取出来，再用字典映射年份对应的值，最后一次性赋值：

# 定义公共过滤条件
common_condition = (df['price'] > 30000) & (df['fuel description'] == 'Petrol')

# 年份与目标值的映射字典
year_value_map = {
    2018: 12,
    2019: 15,
    2020: 18,
    2021: 21,
    2022: 24
}

# 赋值：满足公共条件时用映射值，否则用10；映射不到的年份也默认10
df['new_column'] = np.where(common_condition, df['year'].map(year_value_map).fillna(10), 10)

方案2：使用numpy.select处理多分支条件 #

如果需要更清晰的多条件分支逻辑，np.select是更好的选择，避免多次覆盖列值：

common_condition = (df['price'] > 30000) & (df['fuel description'] == 'Petrol')

# 列出所有需要匹配的子条件
conditions = [
    common_condition & (df['year'] == 2018),
    common_condition & (df['year'] == 2019),
    common_condition & (df['year'] == 2020),
    common_condition & (df['year'] == 2021),
    common_condition & (df['year'] == 2022)
]

# 对应每个条件的目标值
target_values = [12, 15, 18, 21, 24]

# 赋值：匹配到第一个条件用对应值，都不满足用默认10
df['new_column'] = np.select(conditions, target_values, default=10)

方案3：利用年份与值的线性关系（适用时） #

观察到年份每增加1，目标值增加3，存在线性关系：值 = 3*(年份 - 2018) + 12，可以直接计算赋值，无需映射：

# 公共条件加上年份范围限制
common_condition = (df['price'] > 30000) & (df['fuel description'] == 'Petrol') & (df['year'].between(2018, 2022))

# 通过线性公式计算目标值
df['new_column'] = np.where(common_condition, 3 * df['year'] - 6042, 10)

内容的提问来源于stack exchange，提问作者Tim Gast