如何基于source列的条件向Pandas DataFrame添加year_23列？

方法1：字典映射（最直观） #

先定义source取值与对应Fy_23静态值的映射字典，再通过map()方法快速生成新列：

import pandas as pd

# 示例DataFrame（替换成你的实际数据）
df = pd.DataFrame({'source': ['X', 'Y', 'X', 'Z', 'Y']})

# 定义映射规则：key是source的取值，value是对应的year_23值
source_map = {
    'X': 3000,
    'Y': 4500,
    'Z': 3800
}

# 新增year_23列
df['year_23'] = df['source'].map(source_map)

如果source中存在不在映射字典里的取值，map()会返回NaN，可以用fillna()设置默认值：

df['year_23'] = df['source'].map(source_map).fillna(0)  # 0为默认值，可根据需求修改

方法2：使用replace()方法 #

replace()可以直接将source的取值替换为对应静态值，适合需要保留未匹配原取值的场景：

df['year_23'] = df['source'].replace(source_map)

注：未在映射字典中的source取值，会保留原内容而非转为NaN。

方法3：numpy.where（适合少量条件） #

如果source的取值类别较少，可通过嵌套np.where逐个判断赋值：

import numpy as np

df['year_23'] = np.where(df['source'] == 'X', 3000,
                        np.where(df['source'] == 'Y', 4500,
                                np.where(df['source'] == 'Z', 3800, 0)))

这种方式在条件较多时会导致代码冗余，优先推荐前两种方法。

内容的提问来源于stack exchange，提问作者prags_894