Pandas如何按条件匹配现有列值映射生成新列

你传入map方法的映射字典中，每个键对应的值是整列Series对象。Series.map的执行逻辑是匹配到键后直接返回对应的映射值，不会自动做行对齐的单行取值，因此匹配到对应季度键时，会把整个分数列的Series对象直接填入所有匹配行的单元格，最终出现单元格存储全量序列的异常。

以下三种写法都能准确实现逐行取对应季度分数的需求：

• 条件匹配方案（无版本兼容问题，逻辑清晰）
  借助numpy.select按季度条件匹配对应分数列，可读性和运行效率表现均衡：

import numpy as np

df['quarter_score'] = np.select(
    condlist=[
        df['quarter'] == 'q1',
        df['quarter'] == 'q2',
        df['quarter'] == 'q3',
        df['quarter'] == 'q4'
    ],
    choicelist=[
        df['q1_score'],
        df['q2_score'],
        df['q3_score'],
        df['q4_score']
    ]
)

• 动态列索引方案（性能最优，适配大数据量场景）
  目标分数列名可直接由quarter字段值拼接_score后缀得到，通过numpy按位置索引取值，无逐行循环开销，适合百万行以上规模的数据集：

import numpy as np

target_col_names = df['quarter'] + '_score'
target_col_index = df.columns.get_indexer(target_col_names)
df['quarter_score'] = df.to_numpy()[np.arange(len(df)), target_col_index]

• 逐行取值方案（代码简洁，适配小数据量场景）
  如果数据集规模在万行以内，可以直接用apply逐行取值，代码书写成本最低：

df['quarter_score'] = df.apply(lambda row: row[f"{row['quarter']}_score"], axis=1)

提示：旧版Pandas提供的DataFrame.lookup方法也可实现该需求，但该方法自Pandas 1.2.0版本起已被标记为弃用，新版本环境运行会抛出警告，不建议使用。

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