基于Pandas按MAT列条件计算WT的技术咨询

我有一个DataFrame，之前用以下代码计算WT字段：

DF['T.U']=DF['WIDE']*DF['LENGTH']*DF['QTY']/1000000+DF['CLAD_THK']*DF['LENGTH']*DF['QTY']/1000000
DF['U.W']=DF['THK']*78.5/10 + DF['CLAD_THK']*79.9/10
DF['W.T']=DF['T.U']*DF['U.W']
DF['W.T']=DF['WT']/1000

现在需要根据MAT列的取值做条件计算：

• 当MAT=516时，使用上述原有计算逻辑
• 当MAT=240时，仅调整U.W的计算逻辑（把THK的系数从78.5换成79.9），其余步骤不变

在Pandas中可以通过向量化条件运算实现，避免低效循环，以下是两种常用实现方式：

方式一：用numpy.where实现分支计算 #

核心是针对U.W列根据MAT值选择对应计算式，其余字段因两种场景逻辑一致，可统一计算：

import numpy as np
import pandas as pd

# 统一计算T.U（两种MAT值的逻辑完全相同）
DF['T.U'] = (DF['WIDE'] * DF['LENGTH'] * DF['QTY'] + DF['CLAD_THK'] * DF['LENGTH'] * DF['QTY']) / 1000000

# 根据MAT值分支计算U.W
DF['U.W'] = np.where(
    DF['MAT'] == 516,
    DF['THK'] * 78.5 / 10 + DF['CLAD_THK'] * 79.9 / 10,
    np.where(
        DF['MAT'] == 240,
        DF['THK'] * 79.9 / 10 + DF['CLAD_THK'] * 79.9 / 10,
        np.nan  # 可设置MAT非516/240时的默认值，比如保留原数据或设为NaN
    )
)

# 统一计算后续字段
DF['W.T'] = DF['T.U'] * DF['U.W']
DF['WT'] = DF['W.T'] * 1000  # 注：原代码最后一行逻辑疑似笔误，此处调整为通过W.T推导WT，若需反向操作可改回

方式二：用loc定位行后分别赋值 #

这种方式逻辑更直观，适合后续需扩展多分支的场景：

import pandas as pd

# 统一计算T.U
DF['T.U'] = (DF['WIDE'] * DF['LENGTH'] * DF['QTY'] + DF['CLAD_THK'] * DF['LENGTH'] * DF['QTY']) / 1000000

# 处理MAT=516的行
mask_516 = DF['MAT'] == 516
DF.loc[mask_516, 'U.W'] = DF.loc[mask_516, 'THK'] * 78.5 / 10 + DF.loc[mask_516, 'CLAD_THK'] * 79.9 / 10

# 处理MAT=240的行
mask_240 = DF['MAT'] == 240
DF.loc[mask_240, 'U.W'] = DF.loc[mask_240, 'THK'] * 79.9 / 10 + DF.loc[mask_240, 'CLAD_THK'] * 79.9 / 10

# 统一计算后续字段
DF['W.T'] = DF['T.U'] * DF['U.W']
DF['WT'] = DF['W.T'] * 1000

注意事项 #

原代码最后一行DF['W.T']=DF['WT']/1000逻辑存在矛盾（通常是先计算中间值再推导最终值），上述方案默认调整为通过W.T计算WT，若你的实际需求是用已有WT覆盖W.T，可将最后一行改回原代码逻辑。

内容的提问来源于stack exchange，提问作者ahmed ordy