使用np.select为pandas DataFrame按多条件新增列结果异常如何解决

• np.select是向量化运算，执行时会一次性基于列的初始值计算所有结果，不会逐行更新new列的中间计算值。你代码里的df['new'].shift(1)取到的全是初始赋值的0移位后的结果，根本拿不到前一行计算完成的new值，结果必然不符合预期。
• 另外测试代码里给Random列赋值的是字符串'20'，后续做数值加法会触发类型错误，需要改成数值类型的20。

该计算逻辑强依赖前一行的计算结果，属于逐行递推场景，有两种常用实现方式：

方案1：逐行迭代（逻辑直观，适合小数据集） #

import pandas as pd
import numpy as np

# 构造测试数据集
df = pd.DataFrame(np.random.randint(0,30,size=10),
                 columns=["Random"],
                 index=pd.date_range("20180101", periods=10))
df = df.reset_index()
df.loc[:,'Random'] = 20 # 修正为数值类型，不要用字符串'20'
df['Recommandation']=['No', 'Yes', 'No', 'Yes', 'Yes', 'Yes', 'No', 'No', 'Yes', 'No']
df['diff']=[3,2,4,1,6,1,2,2,3,1]

# 逐行递推计算new列
df['new'] = 0
for idx in range(len(df)):
    if idx < 3:
        # 前3行取Random列值
        df.loc[idx, 'new'] = df.loc[idx, 'Random']
    elif df.loc[idx, 'Recommandation'] == 'Yes':
        # 推荐为Yes时，取上一行new值加当前diff
        df.loc[idx, 'new'] = df.loc[idx-1, 'new'] + df.loc[idx, 'diff']
    else:
        # 其余场景直接取上一行new值
        df.loc[idx, 'new'] = df.loc[idx-1, 'new']

运行后new列输出为[20,20,20,21,27,28,28,28,31,31]，完全匹配预期。

方案2：向量化累积计算（性能更高，适合大数据集） #

逻辑本质是：前3行固定值为20，从第4行开始，仅当Recommandation为Yes时累加当前diff，其余时候累加0，直接用条件累积和即可实现，无需循环：

df['new'] = 20
# 筛选第4行及以后的行
cal_mask = df.index >= 3
# 仅当Recommandation为Yes时加diff，否则加0
add_series = (df.loc[cal_mask, 'Recommandation'] == 'Yes') * df.loc[cal_mask, 'diff']
# 累加后加初始值20
df.loc[cal_mask, 'new'] = 20 + add_series.cumsum()

该方案运行效率远高于逐行循环，计算结果和方案1完全一致。

内容的提问来源于stack exchange，提问作者ash1