多DataFrame列值条件筛选及结果合并实现方法咨询

需求说明 #

对包含多个DataFrame的列表，按以下规则生成value列：

• 若pgp值属于指定类别列表grp_list，且pgp与egp相等，value赋值为1
• 若pgp值不属于grp_list，value赋值为2
• 其余情况（pgp在列表中但与egp不等），value赋值为0

问题代码分析 #

原代码存在两处关键问题：

• 变量名不一致：定义的是grp_list，但判断时误用group_list、group，会触发NameError
• 直接对整个DataFrame用条件判断报错：i['pgp'].isin(...)返回布尔Series，无法直接作为if的判断条件，需用矢量化操作处理每一行

正确实现代码 #

import pandas as pd
import numpy as np

# 示例DataFrame
df1 = pd.DataFrame({
    'pgp': ['con', 'eco', 'dip', 'pol', 'god', 'ent'],
    'egp': ['con', 'eco', 'health', 'health', 'con', 'eco']
})
df2 = pd.DataFrame({
    'pgp': ['con', 'edu', 'pol', 'art'],
    'egp': ['con', 'edu', 'pol', 'art']
})
df_list = [df1, df2]  # 多个DataFrame组成的列表
grp_list = ['con', 'eco', 'dip', 'pol']  # 指定类别列表

# 批量处理每个DataFrame
for df in df_list:
    # 定义条件列表和对应赋值
    conditions = [
        (df['pgp'].isin(grp_list)) & (df['pgp'] == df['egp']),
        ~df['pgp'].isin(grp_list)
    ]
    values = [1, 2]
    # 未匹配条件的情况默认赋值0
    df['value'] = np.select(conditions, values, default=0)

# 查看处理后的df1结果
print(df1)

处理后示例结果（df1） #

代码说明 #

• 用numpy.select实现多条件矢量化赋值，比逐行循环效率更高
• 按优先级定义条件：先匹配"pgp在列表且与egp相等"的情况，再匹配"pgp不在列表"的情况，剩余场景自动赋值0
• 遍历DataFrame列表，批量为每个DataFrame添加value列

内容的提问来源于stack exchange，提问作者user19840753