嵌套条件判断实现DataFrame列赋值的问题求助

你的代码问题分析 #

• 双重循环逻辑错误：两层for循环会把Column1和Column2的所有元素交叉配对，而非按行对应匹配，最终生成大量多余赋值操作
• 赋值方式错误：df['Column3'].append()不是给DataFrame现有行赋值的正确方法，且代码里出现笔误de['Column3']（应为df['Column3']）
• 条件判断逻辑问题：多个独立if语句会导致同一行触发多次赋值，覆盖正确结果

正确解法 #

以下是几种高效的实现方式，均按行匹配Column1和Column2的组合：

方法1：用numpy.where批量赋值（推荐，效率最高）

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    'Column1': ['A', 'A', 'B', 'C', 'C'],
    'Column2': ['x', 'z', 'p', 'y', 'w'],
    'Column3': ['', '', '', '', '']
}
df = pd.DataFrame(data)

# 定义所有符合"OK"的条件组合
ok_conditions = (
    (df['Column1'] == 'A') & (df['Column2'] == 'x') |
    (df['Column1'] == 'B') & (df['Column2'] == 'p') |
    (df['Column1'] == 'C') & (df['Column2'] == 'y')
)

# 批量赋值
df['Column3'] = np.where(ok_conditions, 'OK', 'KO')

方法2：用apply逐行处理

适合逻辑更复杂的场景：

def check_condition(row):
    if (row['Column1'] == 'A' and row['Column2'] == 'x') or \
       (row['Column1'] == 'B' and row['Column2'] == 'p') or \
       (row['Column1'] == 'C' and row['Column2'] == 'y'):
        return 'OK'
    else:
        return 'KO'

df['Column3'] = df.apply(check_condition, axis=1)

方法3：先初始化再修改

先将所有行设为"KO"，再修改符合条件的行：

df['Column3'] = 'KO'
# 为满足条件的行赋值为OK
df.loc[(df['Column1'] == 'A') & (df['Column2'] == 'x'), 'Column3'] = 'OK'
df.loc[(df['Column1'] == 'B') & (df['Column2'] == 'p'), 'Column3'] = 'OK'
df.loc[(df['Column1'] == 'C') & (df['Column2'] == 'y'), 'Column3'] = 'OK'

执行结果 #

运行任意一种方法后，都会得到期望的输出：

内容的提问来源于stack exchange，提问作者Enrique GE