Pandas按条件提取列值生成新列问题求助

优先用Pandas矢量化操作（不推荐循环） #

Pandas的核心优势是矢量化运算，比循环高效且不易出错，推荐以下两种方法：

方法1：使用np.where（简洁直观）

import numpy as np
import pandas as pd

# 假设你的DataFrame名为df
df['temperature'] = np.where(df['sensor'] == 'temperature', df['timestamp'], 'not related')

逻辑：当sensor列值为'temperature'时，取当前行的timestamp值；否则填充'not related'。

方法2：使用df.loc分步赋值（更易理解）

# 先给新列统一赋值默认值
df['temperature'] = 'not related'
# 筛选出sensor为temperature的行，将对应位置的temperature列替换为timestamp
df.loc[df['sensor'] == 'temperature', 'temperature'] = df['timestamp']

为什么你的循环会出错？ #

你可能写出了类似下面的错误代码：

# 错误示例
df['temperature'] = ''
for idx, row in df.iterrows():
    if row['sensor'] == 'temperature':
        # 错误：这里把整个temperature列赋值为所有timestamp，而非当前行的单一值
        df['temperature'] = df['timestamp']
    else:
        df['temperature'] = 'not related'

即使修正为df.loc[idx, 'temperature'] = row['timestamp']，循环在处理大数据量时效率极低，所以始终优先选择矢量化方法。

内容的提问来源于stack exchange，提问作者asyy