如何在Python的np.where中添加多条件判断

数据老陈

2026-8-20

解决方案

方法1：用`np.select`一次性处理多条件优先级

多次用np.where赋值会覆盖整列，所以可以用np.select把所有条件按优先级整合，一次生成结果。这里要注意Column C的X/Y条件优先级高于Column D的条件（因为需要覆盖原有Up的结果）：

import numpy as np
import pandas as pd

# 定义条件列表（按优先级从高到低）
conditions = [
    df['Column C'] == 'X',
    df['Column C'] == 'Y',
    df['Column D'] <= 99
]
# 对应条件的赋值内容
values = [
    'Down',
    'Left',
    'Up'
]
# 生成Comment列，不符合所有条件时赋值为空
df['Comment'] = np.select(conditions, values, default='')

方法2：用`df.loc`精准修改指定行

如果想保留原有逻辑，再针对性修改符合X/Y条件的行，用loc定位目标行即可，只会更新指定行，不会覆盖其他内容：

# 先执行原有逻辑生成基础Comment值
df['Comment'] = np.where(df['Column D'] <= 99, 'Up', '')

# 修改Column C为X的行
df.loc[df['Column C'] == 'X', 'Comment'] = 'Down'

# 修改Column C为Y的行
df.loc[df['Column C'] == 'Y', 'Comment'] = 'Left'

两种方法最终都会得到你想要的目标DataFrame：