如何基于布尔列表在Pandas中高效添加列？现有方案冗余求优化

现有如下Pandas DataFrame与列表：

import pandas as pd
df = pd.DataFrame({'bool':[True,False,True,False, False]})
lst = ["aa","bb"]

希望基于布尔值将该列表作为列添加至DataFrame，得到目标结果：

df = pd.DataFrame({'bool':[True,False,True,False, False], 'lst':['aa','','bb','','']})

当前实现方案为：

df1 = df[df['bool'] == True].copy()
df2 = df[df['bool'] == False].copy()
df1['lst'] = lst
df2['lst'] = ''
df = pd.concat([df1, df2])

该方案创建了多个中间DataFrame，希望找到更优的实现方式。

方法1：直接定位布尔行赋值（最简洁高效） #

不需要拆分DataFrame，直接在原对象上操作，先初始化空值列，再精准赋值：

import pandas as pd
df = pd.DataFrame({'bool':[True,False,True,False, False]})
lst = ["aa","bb"]

# 先给lst列全赋值为空字符串
df['lst'] = ''
# 定位bool为True的行，把lst列表的值对应填进去
df.loc[df['bool'], 'lst'] = lst

这种方式全程只操作原DataFrame，无额外中间对象，代码简洁且执行效率更高。

方法2：用numpy.where一步生成列 #

借助numpy.where的条件判断特性，直接生成目标列：

import pandas as pd
import numpy as np

df = pd.DataFrame({'bool':[True,False,True,False, False]})
lst = ["aa","bb"]

# 用Series指定索引，确保lst元素精准对应到bool为True的行
df['lst'] = np.where(df['bool'], pd.Series(lst, index=df[df['bool']].index), '')

内容的提问来源于stack exchange，提问作者David