如何用np.where实现DataFrame多列表匹配的多条件赋值？

我将美国各州缩写分组为多个列表（示例如下）：

list1 = ['TX','FL','OR']
list2 = ['AL','MA','NJ']
list3 = ['WA','PA','GA']

实际有15个列表覆盖全部50个州，此处仅展示3个。现有如下DataFrame df：

State    abbrev     produce        goods    service   

Alabama      AL            5          10        15   
Texas        TX            7          17        27   
Florida      FL            2          73        13   
Georgia      GA            12         65        20    
New Jersey   NJ            65         26        11     

需要新增一列final_delivery，规则为：

• 州缩写在list1中，取produce列的值
• 州缩写在list2中，取goods列的值
• 州缩写在list3中，取service列的值

预期结果如下：

State    abbrev     produce        goods    service   final_delivery  

Alabama      AL            5          10        15               10  
Texas        TX            7          17        27                7   
Florida      FL            2          73        13                2  
Georgia      GA            12         65        20               20    
New Jersey   NJ            65         26        11               26     

此前尝试使用单条np.where语句赋值：

df["final_delivery"] = np.where(df['abbrev'].isin(list1), df['produce'], "")

但后续处理list2、list3的匹配赋值时，已赋值的内容会被替换为空，需解决该问题。

解决方案 #

方法1：嵌套np.where实现多条件判断 #

通过多层嵌套np.where，依次对不同列表的州缩写进行判断，避免覆盖已赋值的有效值：

import numpy as np

df["final_delivery"] = np.where(df['abbrev'].isin(list1), df['produce'],
                               np.where(df['abbrev'].isin(list2), df['goods'],
                                       np.where(df['abbrev'].isin(list3), df['service'], np.nan)))

若存在更多列表，可继续嵌套np.where；最后一个分支的np.nan可替换为你需要的默认值（由于所有州都被覆盖，该分支实际不会触发）。

方法2：构建映射字典（适配多列表场景） #

当列表数量多达15个时，嵌套np.where会导致代码冗长，更高效的方式是先构建州缩写→对应列名的映射字典，再通过lookup取值：

# 构建映射字典
state_col_map = {}

# 为每个列表的州缩写分配对应列名
for state in list1:
    state_col_map[state] = 'produce'
for state in list2:
    state_col_map[state] = 'goods'
for state in list3:
    state_col_map[state] = 'service'
# 其余12个列表按此逻辑依次添加

# 生成final_delivery列
df['final_delivery'] = df.lookup(df.index, df['abbrev'].map(state_col_map))

这种方式结构清晰，后续维护或修改分组规则时更便捷。

内容的提问来源于stack exchange，提问作者JodeCharger100