如何在Python Pandas中基于DataFrame其他列生成指定规则的新列？

嘿，这事儿好办！我给你准备了几种简洁的方法来实现你想要的效果，咱们一起来看看~

首先，先还原你的原始数据：

import pandas as pd
import numpy as np

data = pd.DataFrame({"col1" : ["a", "b", "c"], "binary" : [0, 1, 0]})

方法一：使用np.where（最直观） #

np.where可以根据条件直接映射值，语法非常清晰：

data['new'] = np.where(data['binary'] == 1, data['col1'], np.nan)

解释：当binary列的值等于1时，新列new取col1的对应值；否则设置为np.nan。

方法二：使用loc索引赋值 #

先给新列统一初始化NaN，再针对性替换符合条件的行：

data['new'] = np.nan
data.loc[data['binary'] == 1, 'new'] = data['col1']

这种方法逻辑很直白，先把所有行的new列设为缺失值，再把binary为1的行替换成col1的值。

方法三：使用pandas的where/mask方法 #

pandas自身的where和mask方法也能轻松实现：

• 用where：保留满足条件的值，不满足的替换为NaN

data['new'] = data['col1'].where(data['binary'] == 1, np.nan)

• 用mask：把满足条件（这里是binary !=1）的值替换为NaN

data['new'] = data['col1'].mask(data['binary'] != 1, np.nan)

最终结果 #

执行任意一种方法后，你的DataFrame都会变成：

col1  binary  new
0    a       0  NaN
1    b       1    b
2    c       0  NaN

内容的提问来源于stack exchange，提问作者dingaro