如何采用更Pythonic且高效的方法在Pandas DataFrame中多条件处理字符串生成新列

嘿，我完全懂你想摆脱iterrows()逐行遍历的低效，改用Pandas原生向量化方法生成新列的需求——这绝对是提升代码效率和可读性的正确方向！

下面我会用np.select()结合Pandas字符串处理方法，把你那一堆if-elif逻辑转换成简洁高效的向量化代码，完美匹配你想要的输出结果：

第一步：准备示例数据 #

先还原你的原始DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    [
        ["ab", "abcdef"],
        ["de", "abdghi"],
        ["gh", "0"],
        ["ij", "123-456-789"],
        ["kl", "afzhkp"],
        ["mn", "qtbkpse"],
    ],
    columns=["c1", "Office"]
)

第二步：用np.select()构建多分支逻辑 #

np.select()可以让我们把多个条件和对应的值配对，完美替代嵌套的if-elif结构，而且全程是向量化操作，速度比iterrows()快太多！

生成N_1列 #

我们先定义所有触发N_1取值的条件，以及对应的值：

# 定义N_1的触发条件
conditions_n1 = [
    # 情况1：Office为"0"或空值
    (df["Office"] == "0") | df["Office"].isna(),
    # 情况2：以"abc"或"abd"开头
    df["Office"].str.startswith(("abc", "abd")),
    # 情况3：以"Bu"开头（保留你原逻辑里的分支）
    df["Office"].str.startswith("Bu"),
    # 情况4：包含"-"字符
    df["Office"].str.contains("-"),
    # 情况5：Office长度为6
    df["Office"].str.len() == 6
]

# 对应每个条件的N_1取值
values_n1 = [
    "Unknown",
    df["Office"].str[:3],
    df["Office"].str.split(" ").str[0],
    df["Office"].str.split("-").str[1],
    df["Office"].str[:3]
]

# 生成N_1：默认情况取前4个字符
df["N_1"] = np.select(conditions_n1, values_n1, default=df["Office"].str[:4])

生成N_2列 #

用同样的逻辑处理N_2：

# 定义N_2的触发条件
conditions_n2 = [
    (df["Office"] == "0") | df["Office"].isna(),
    df["Office"].str.startswith(("abc", "abd")),
    df["Office"].str.startswith("Bu"),
    df["Office"].str.contains("-"),
    df["Office"].str.len() == 6
]

# 对应每个条件的N_2取值
values_n2 = [
    "Unknown",
    df["Office"].str[3:],
    df["Office"].str.split(" ").str[1],
    df["Office"].str.split("-").str[2],
    df["Office"].str[3:]
]

# 生成N_2：默认情况取第4个字符之后的部分
df["N_2"] = np.select(conditions_n2, values_n2, default=df["Office"].str[4:])

第三步：验证结果 #

运行完上面的代码后，你的DataFrame就会和期望的完全一致：

c1        Office     N_1     N_2
0  ab       abcdef     abc     def
1  de       abdghi     abd     ghi
2  gh            0  Unknown  Unknown
3  ij  123-456-789     456     789
4  kl       afzhkp     afz     hkp
5  mn      qtbkpse    qtbk     pse

为什么这个方案更好？ #

• 速度飙升：向量化操作完全避免了逐行遍历的开销，数据量越大，对比iterrows()的优势越明显
• 可读性更强：把条件和取值清晰分离，逻辑一目了然，后期维护更方便
• 原生优化：Pandas的str方法都是底层优化过的，比自己写循环高效得多

内容的提问来源于stack exchange，提问作者pymat