Pandas按行条件生成Outstanding列问题求助

问题背景 #

现有如下DataFrame：

需要新增Outstanding列，满足以下条件：

• 若Repository包含'DMZ'且Age>60天，赋值'True'
• 若Repository包含'DMZ'且Age<60天，赋值'False'
• 若Repository不包含'DMZ'且Age>90天，赋值'True'
• 若Repository不包含'DMZ'且Age<90天，赋值'False'

当前使用for循环处理时，所有行的Outstanding都被最后一行的结果覆盖，得到错误结果：

预期结果：

错误代码片段：

for i in range(len(report_data)):
    line = report_data.loc[i]
    if str(line['Age'] != ''):
        new_val = str(line['Age']).replace('days', '')
        no_space = new_val.replace('', '')
        int_val = int(no_space)
        
        if int_val > 60 and 'DMZ' in line['Repository']:
            report_data['Outstanding']: line['Outstanding'] = 'True'
        elif int_val > 90 and 'DMZ' not in line['Repository']:
            report_data['Outstanding']: line['Outstanding'] = 'True'
        else:
            report_data['Outstanding']: line['Outstanding'] = 'False'

错误原因 #

1. 整列赋值而非单行：代码中report_data['Outstanding'] = ...是对整个列赋值，每次循环都会覆盖之前所有行的结果，最终整列都是最后一行的判断结果。
2. 语法错误：report_data['Outstanding']: line['Outstanding'] = 'True'是无效语法，正确的单行赋值应该用loc指定行和列。
3. Age处理错误：new_val.replace('', '')无法去除空格，应该用strip()来清理字符串。

解决方案 #

方法1：修复for循环（适合新手理解） #

先初始化Outstanding列，循环时用loc[i, 'Outstanding']指定单行赋值，同时修正Age的解析逻辑：

# 初始化Outstanding列
report_data['Outstanding'] = ''

for i in range(len(report_data)):
    line = report_data.loc[i]
    age_str = str(line['Age']).strip()
    if age_str:
        # 提取Age的数值部分
        int_val = int(age_str.replace('days', '').strip())
        repo = line['Repository']
        
        if 'DMZ' in repo:
            report_data.loc[i, 'Outstanding'] = 'True' if int_val > 60 else 'False'
        else:
            report_data.loc[i, 'Outstanding'] = 'True' if int_val > 90 else 'False'

方法2：使用apply逐行处理（更简洁） #

定义一个处理单行的函数，通过apply(axis=1)逐行调用：

def determine_outstanding(row):
    age_str = str(row['Age']).strip()
    if not age_str:
        return ''
    int_val = int(age_str.replace('days', '').strip())
    repo = row['Repository']
    
    if 'DMZ' in repo:
        return 'True' if int_val > 60 else 'False'
    else:
        return 'True' if int_val > 90 else 'False'

# 新增列
report_data['Outstanding'] = report_data.apply(determine_outstanding, axis=1)

方法3：向量化操作（Pandas推荐，效率最高） #

先将Age转换为数值列，再用布尔索引组合条件，避免循环：

# 先提取Age的数值，生成新列
report_data['Age_Num'] = report_data['Age'].str.replace('days', '').str.strip().astype(int)

# 组合条件赋值
report_data['Outstanding'] = 'False'
# 条件1：含DMZ且Age>60
mask1 = (report_data['Repository'].str.contains('DMZ')) & (report_data['Age_Num'] > 60)
# 条件2：不含DMZ且Age>90
mask2 = (~report_data['Repository'].str.contains('DMZ')) & (report_data['Age_Num'] > 90)
# 满足任一条件则设为True
report_data.loc[mask1 | mask2, 'Outstanding'] = 'True'

# 可选：删除临时的Age_Num列
# report_data.drop('Age_Num', axis=1, inplace=True)

验证结果 #

执行上述任一方法后，都能得到预期的DataFrame：

内容的提问来源于stack exchange，提问作者Gailaloo