Python中如何基于多列特定条件映射DataFrame列值

不要用循环实现，pandas原生的布尔索引+loc赋值是最高效、最适配这个场景的写法，你之前用的单列map仅适合单字段的固定值映射，处理多条件组合判断直接按下面的步骤写就行。

核心实现逻辑 #

• 先构造行筛选掩码：多条件组合时每个独立条件必须用圆括号包裹，逻辑与用&连接，逻辑或用|连接。
  你的Date列是标准季度字符串格式，字符串字典序和季度时间顺序完全一致，直接用>=做比较即可，不需要额外转时间类型：

  # 筛选出ID为AA且日期大于等于Q121的行
  match_mask = (df['ID'] == 'AA') & (df['Date'] >= 'Q121')
  

• 用loc定位符合条件的行，分别给两列赋值：

  # 符合条件的行Status列赋值为closed
  df.loc[match_mask, 'Status'] = 'closed'
  # 符合条件的行Used列置为空值
  df.loc[match_mask, 'Used'] = pd.NA
  

完整可复现代码 #

import pandas as pd

# 加载/构造原始数据集
raw_data = [
    ['AA', 'Q121', 'NY', 20],
    ['AA', 'Q221', 'NY', 50],
    ['AA', 'Q321', 'NY', 10],
    ['BB', 'Q121', 'CA', 1],
    ['BB', 'Q221', 'CA', 0],
    ['BB', 'Q321', 'CA', 500],
    ['BB', 'Q421', 'CA', 700],
    ['CC', 'Q121', 'AZ', 50]
]
df = pd.DataFrame(raw_data, columns=['ID', 'Date', 'Location', 'Used'])

# 按规则赋值
match_mask = (df['ID'] == 'AA') & (df['Date'] >= 'Q121')
df.loc[match_mask, 'Status'] = 'closed'
df.loc[match_mask, 'Used'] = pd.NA

运行后输出的结果和你给出的期望结果完全一致。

注意事项 #

• 绝对优先用向量化操作，不要写for循环逐行判断：前者的性能是手写循环的几十到上百倍，数据量越大差距越明显
• 如果需要给Status列设置非空默认值，可以先给整列赋默认值再做条件覆盖，比如先执行df['Status'] = 'active'，再给符合条件的行覆盖为closed
• 如果后续Date列出现格式不统一的情况（比如小写q开头、带前后空格），先做格式清洗再做比较，避免判断逻辑失效

内容的提问来源于stack exchange，提问作者Lynn