如何基于NaN条件在Pandas DataFrame中新增列？

我有两个DataFrame，需要判断df1中player列的单元格是否存在于df2的last_name列中。已经通过左连接合并得到df3：

df3 = df1.merge(df2, left_on='player', right_on='last_name', how='left')

df1数据：

df2数据：

之后将last_name列重命名为matched_player：

df3.rename(columns={'last_name':'matched_player'}, inplace=True)

合并后的df3如下：

我需要新增description列，当matched_player列不为NaN时，该列值为"来自df1的球员"，其余行留空，预期输出如下：

请问该如何实现？

这里有几种简单直接的方法可以实现需求：

方法1：用numpy.where做条件赋值 #

借助numpy.where可以一行完成条件判断和赋值：

import numpy as np

df3['description'] = np.where(df3['matched_player'].notna(), '来自df1的球员', '')

方法2：用pandas.loc定位赋值 #

先初始化description列为空字符串，再定位matched_player非空的行赋值：

df3['description'] = ''
df3.loc[df3['matched_player'].notna(), 'description'] = '来自df1的球员'

方法3：用Series.where反向赋值 #

先给所有行设置描述文本，再把matched_player为空的行替换成空字符串：

df3['description'] = '来自df1的球员'
df3['description'] = df3['description'].where(df3['matched_player'].notna(), '')

以上三种方法都能得到你想要的预期结果。

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