如何在Pandas DataFrame中根据条件为指定列赋值？

首先修正你提供的代码中的语法错误（字典项缺少逗号、未导入numpy），修正后的代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'action': ['visited', 'clicked', 'switched'], 
    'target': ['pricing page', 'homepage', 'succeesed'],
    'type': [np.nan, np.nan, np.nan]
})

针对你需要根据条件为type列赋值的需求，这里提供几种实用方法：

方法1：使用loc直接赋值（推荐，高效直观） #

通过布尔索引定位符合条件的行，直接修改type列的值：

df.loc[(df['action'] == 'visited') & (df['target'] == 'pricing page'), 'type'] = 'free'

方法2：使用np.where设置条件赋值 #

如果需要同时处理不符合条件的情况（比如保留原值），可以用numpy的where函数：

df['type'] = np.where(
    (df['action'] == 'visited') & (df['target'] == 'pricing page'),
    'free',
    df['type']  # 不符合条件时保留原值
)

方法3：使用apply处理复杂逻辑 #

如果后续有更复杂的多条件判断，可使用apply逐行处理（注意：大数据集下效率低于前两种方法）：

def set_type(row):
    if row['action'] == 'visited' and row['target'] == 'pricing page':
        return 'free'
    return row['type']

df['type'] = df.apply(set_type, axis=1)

执行上述任意方法后，目标行的type列会被设置为free，其余行保留原空值。

内容的提问来源于stack exchange，提问作者bengisu yilmaz