如何创建条件型Pandas Series/列？附具体赋值需求

示例DataFrame #

A  B  C  D  E (New Column)
0  1  2  a  n  ?
1  3  3  p  d  ?
2  5  9  f  z  ?

需求说明 #

当A列值等于B列时，E列取对应行C列的值；否则取D列的值。

方法1：使用numpy.where()（推荐，直观高效） #

这是最适合新手的写法，一行代码完成条件赋值：

import pandas as pd
import numpy as np

# 假设你的DataFrame变量名为df
df['E (New Column)'] = np.where(df['A'] == df['B'], df['C'], df['D'])

执行后结果：

A  B  C  D  E (New Column)
0  1  2  a  n  n
1  3  3  p  d  p
2  5  9  f  z  z

方法2：使用pandasloc索引（分步赋值，易理解） #

先给E列默认赋值D列的值，再替换符合条件的行：

# 初始化E列为D列的值
df['E (New Column)'] = df['D']
# 将A等于B的行的E列替换为C列的值
df.loc[df['A'] == df['B'], 'E (New Column)'] = df['C']

方法3：使用apply()函数（适合复杂逻辑扩展） #

如果后续有更复杂的判断逻辑，可以用逐行处理的方式：

def fill_e_row(row):
    return row['C'] if row['A'] == row['B'] else row['D']

df['E (New Column)'] = df.apply(fill_e_row, axis=1)

注意：大数据量下apply()效率低于前两种方法，优先选择前两种。

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