基于Lev列值生成新列：Pandas DataFrame数据处理需求

现有从Excel导入的DataFrame结构如下：

需要新增一列NewColumn，规则如下：

• 当Lev.列值为.1或.2时，取当前行Material列的值
• 当Lev.为.3时，取NewColumn的上一行值

尝试了以下代码但未得到预期结果：

def categorise_row:   
 if df ["Lev"] == ".1" or ".2"
   df ["Material"] 
 else df.iloc[-1]["Material"] 
df ['ColF'] = df.apply (categorise_row)

期望的结果如下：

方法1：利用mask和ffill（推荐，高效简洁） #

直接用pandas内置方法实现，性能更优：

import pandas as pd

# 假设df是导入后的DataFrame
df['NewColumn'] = df['Material'].mask(df['Lev.'] == '.3')
df['NewColumn'] = df['NewColumn'].ffill()

原理：

1. mask(df['Lev.'] == '.3')将Lev.为.3的行的NewColumn设为NaN
2. ffill()（向前填充）把NaN替换为上一个非空有效值，完全匹配需求

方法2：自定义函数逐行处理 #

如果需要逐行逻辑控制，可使用以下代码：

last_val = None

def categorise_row(row):
    global last_val
    if row['Lev.'] in ['.1', '.2']:
        last_val = row['Material']
        return row['Material']
    else:
        return last_val

df['NewColumn'] = df.apply(categorise_row, axis=1)

注意：

• 必须指定axis=1，让apply按行处理数据
• 用全局变量last_val跟踪上一行的有效值
• 条件判断用in ['.1', '.2']实现多值匹配

内容的提问来源于stack exchange，提问作者user19613662