如何遍历Pandas DataFrame列时结合另一列设置条件？

你当前的elif条件写法完全错误，when不是Python的合法语法，而且也没正确获取同组内Q=0对应的POS_X基准值。结合你的数据结构，每组是按abb字段划分的（A、B、C各自成组，每组从Q=0开始），下面给你两种可行方案：

步骤1：先添加组内基准POS_X列 #

不管用循环还是向量化操作，都需要先给每行标记出所在组Q=0时的POS_X基准值：

# 提取所有Q=0的行，建立abb到基准POS_X的映射
base_map = df_a[df_a['Q'] == 0].set_index('abb')['POS_X']
# 给原DataFrame新增基准列
df_a['base_POS_X'] = df_a['abb'].map(base_map)

执行后你的DataFrame会新增base_POS_X列，每组的所有行都会对应本组Q=0的POS_X值：

name abb  POS_X  POS_Y  Q  Max Q  base_POS_X
0      A   A   15.6   19.4  0      2        15.6
1    A-x   A   12.6   19.4  1      2        15.6
2   A-y2   A   18.6   19.4  2      2        15.6
3      B   B   15.0   25.0  0      2        15.0
4    B-a   B   12.0   25.0  1      2        15.0
5    B-d   B   18.0   25.0  2      2        15.0
6      C   C   15.0   10.0  0      3        15.0
7   C-x1   C   12.0   10.0  1      3        15.0
8   C-c4   C   18.0   10.0  2      3        15.0
9   C-a    C   11.0   10.0  3      3        15.0

方案1：修正循环逻辑 #

如果一定要保留索引遍历的写法，现在可以直接用新增的基准列做判断：

for idx in df_a.index:
    q_val = df_a['Q'][idx]
    pos_x = df_a['POS_X'][idx]
    base_pos = df_a['base_POS_X'][idx]
    
    if q_val == 0:
        # 执行Q=0对应的操作
        print(f"处理Q=0的行：{df_a.loc[idx]['name']}")
    elif q_val != 0 and pos_x > base_pos:
        # 执行POS_X大于基准值的操作
        print(f"POS_X超基准的行：{df_a.loc[idx]['name']}")
    else:
        # 执行其他情况的操作
        print(f"其他情况的行：{df_a.loc[idx]['name']}")

方案2：高效向量化写法（推荐） #

Pandas原生不建议用循环遍历，用向量化条件判断速度更快，尤其适合大数据量：

# 标记Q=0的行的操作结果
q0_mask = df_a['Q'] == 0
df_a.loc[q0_mask, 'operation'] = "执行Q=0的操作"

# 标记Q≠0且POS_X>基准的行的操作结果
cond_mask = (df_a['Q'] != 0) & (df_a['POS_X'] > df_a['base_POS_X'])
df_a.loc[cond_mask, 'operation'] = "执行POS_X大于基准的操作"

# 填充剩余行的操作结果
df_a['operation'] = df_a['operation'].fillna("执行其他操作")

内容的提问来源于stack exchange，提问作者maxwell_742