如何在Python中基于行值创建新列（Pandas数据处理场景）

首先修正原始数据集的合法构造代码（原直接赋值元组会触发Pandas报错，需改用列表）：

import pandas as pd

df = pd.DataFrame()
df["collection_amount"] = [100, 200, 300]
df["25%_coll"] = [1, 0, 1]
df["75%_coll"] = [0, 1, 1]
df["month"] = [4, 5, 6]

根据规则，当25%_coll列值为1时，基于month列创建新列，以下是两种实用实现方式：

方法1：用numpy.where快速映射 #

import numpy as np

# 新列命名为25%_coll_month，符合条件时取month值，否则设为NaN
df["25%_coll_month"] = np.where(df["25%_coll"] == 1, df["month"], np.nan)

方法2：布尔索引赋值（更直观） #

# 先初始化新列为NaN
df["25%_coll_month"] = np.nan
# 筛选出25%_coll=1的行，将对应month值赋值给新列
df.loc[df["25%_coll"] == 1, "25%_coll_month"] = df["month"]

执行后得到的结果数据集：

若需要自定义默认值（比如字符串"无"、数字0），只需将代码中的np.nan替换为对应值即可。

内容的提问来源于stack exchange，提问作者Gopi S