使用numpy.where按多条件循环规则计算pandas新列

你写的条件逻辑存在两个核心错误：

• 循环周期计算错误：你需要的「2个大减数+3个小减数」是长度为5的固定循环，不存在模4的判断逻辑。之前写的(data.index%4) | (data.index%5)实际含义是「索引模4不等于0，或索引模5不等于0」，几乎所有行都会满足这个条件，完全匹配不上你要的位置规则。
• 变量定义错误：连续两次给subtraction_value赋值会覆盖前一次的数值，后续代码调用未定义的subtraction_value_2也会直接报错。

这个场景完全可以继续用numpy.where()实现，不需要更换其他方案，核心是把判断逻辑调整为：对索引以周期长度5取模，模结果小于2（对应每个周期的前2个位置）时使用大减数计算，剩余位置使用小减数计算即可。

修正后的可运行代码如下：

import pandas as pd
import numpy as np

# 明确区分两个减数，避免重复赋值覆盖
large_subtraction = 6
small_subtraction = 3

data = pd.DataFrame({"test":[12, 4, 5, 4, 1, 3, 2, 5, 10, 9]})

data['new_column'] = np.where(
    data.index % 5 < 2,  # 周期长度为5，每个周期前2位为True
    data['test'] - large_subtraction,
    data['test'] - small_subtraction
)

print(data['new_column'])

如果后续需要调整分段规则，只需要修改两个参数即可：

• 周期总长度：修改取模的右值，即各分段长度的和
• 分段位置：修改判断条件的阈值，比如要改成3个大减数、2个小减数的循环，只需要把条件改成data.index % 5 < 3

如果后续需要超过2个分支的判断，可以换成numpy.select()实现多条件匹配，当前双分支场景下numpy.where()是性能最优、写法最简洁的选择。

注：你给出的期望输出中索引7位置的数值和规则计算结果存在偏差，确认减数大小后调整large_subtraction和small_subtraction的赋值即可，位置判断逻辑不需要改动。

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