基于多条件更新DataFrame的Value列及报错解决

原始DataFrame #

import pandas as pd
import numpy as np

df = pd.DataFrame([('Ve_Paper', 'Buy', '-','Canada',np.NaN),
                  ('Ve_Gasoline', 'Sell', 'Done','Britain',np.NaN),
                  ('Ve_Water', 'Sell','-','Canada',np.NaN),
                  ('Ve_Plant', 'Buy', 'Good','China',np.NaN),
                  ('Ve_Soda', 'Sell', 'Process','Germany',np.NaN)], columns=['Name', 'Action','Status','Country','Value'])

更新需求 #

基于多条件更新Value列：

• 若Action为Sell：
  • 当Status不为'-'时，将Country的前两个字符赋值给Value
  • 当Status为'-'时，将Name去掉'Ve_'后的内容赋值给Value
• 若Action不为Sell，Value保持np.NaN

尝试的错误代码 #

df['Value'] = np.where(df['Action']== 'Sell',df['Country'].str[:2] if df['Status'].str != '-' else df['Name'].str[3:],df['Value'])

执行后输出异常，出现<pandas.core.strings.StringMethods object at 0x000001EDB8F662B0>这类错误结果，不符合预期。

期望输出 #

Name Action Status Country   Value
   Ve_Paper    Buy      -  Canada     NaN # Action不为Sell，保持原值
Ve_Gasoline   Sell   Done Britain      Br # Action为Sell且Status不为'-'，取Country前两位
   Ve_Water   Sell      -  Canada   Water # Action为Sell且Status为'-'，取Name去掉'Ve_'后的内容
   Ve_Plant    Buy   Good   China     NaN 
    Ve_Soda   Sell Process Germany      Ge

方法1：嵌套使用np.where #

原代码问题在于用Python原生if-else处理Series级判断，无法实现逐元素逻辑。改用嵌套np.where即可逐元素判断赋值：

df['Value'] = np.where(
    df['Action'] == 'Sell',
    np.where(df['Status'] != '-', df['Country'].str[:2], df['Name'].str[3:]),
    df['Value']
)

方法2：使用apply自定义函数 #

逐行处理逻辑，可读性更强：

def update_value(row):
    if row['Action'] == 'Sell':
        return row['Country'][:2] if row['Status'] != '-' else row['Name'][3:]
    return row['Value']

df['Value'] = df.apply(update_value, axis=1)

方法3：分步使用loc赋值 #

分条件定位后直接赋值，逻辑清晰，适合复杂场景：

# 条件1：Action为Sell且Status不为'-'，赋值Country前两位
df.loc[(df['Action'] == 'Sell') & (df['Status'] != '-'), 'Value'] = df['Country'].str[:2]

# 条件2：Action为Sell且Status为'-'，赋值Name去掉'Ve_'后的内容
df.loc[(df['Action'] == 'Sell') & (df['Status'] == '-'), 'Value'] = df['Name'].str[3:]

# Action不为Sell的情况保持原Value，无需额外处理

以上三种方法均可得到符合预期的结果，可根据场景和习惯选择。

内容的提问来源于stack exchange，提问作者user18562240