如何在Python中基于另外两列的条件创建新列？

首先构造你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'name': ['apple', 'banana', 'apple', 'pie'],
    'address': ['hello1234', 'happy111', 'str3333', 'diary5144']
})

下面提供几种实现需求的方法：

方法1：使用numpy.select #

通过定义条件列表和对应的值列表，批量处理行数据：

import numpy as np

# 定义条件和对应的处理逻辑
conditions = [
    df['name'] == 'apple',
    df['name'] == 'banana',
    df['name'] == 'pie'
]
values = [
    df['address'].str[:5],
    df['address'].str[:4],
    df['address'].str[:3]
]

# 创建新列
df['want'] = np.select(conditions, values)

方法2：字典映射+apply #

先建立名字和截取长度的映射关系，再逐行处理：

# 定义名字到截取长度的映射
name_length_map = {'apple':5, 'banana':4, 'pie':3}

# 用apply处理每一行
df['want'] = df.apply(lambda row: row['address'][:name_length_map[row['name']]], axis=1)

方法3：映射长度后批量截取 #

先通过name列映射得到对应长度，再对address列按长度截取：

name_length_map = {'apple':5, 'banana':4, 'pie':3}
# 先获取每行的截取长度
lengths = df['name'].map(name_length_map)
# 按长度截取address
df['want'] = [addr[:length] for addr, length in zip(df['address'], lengths)]

执行任意一种方法后，你都会得到期望的结果：

内容的提问来源于stack exchange，提问作者leilei