Python如何基于多if判断为Pandas DataFrame批量新增列

核心逻辑梳理 #

根据预期结果反推完整判断规则：

• 当blue列值为1 或 red列值为1，且 green列值为0时，新列赋值为Flower A
• 其余所有情况，新列赋值为Flower B

推荐实现方式（无需逐行iloc，整表向量化运算） #

方法1：numpy.select 多条件匹配（性能最优，适合大数据量） #

向量化运算无逐行循环开销，是pandas多条件赋值的首选方案：

import pandas as pd
import numpy as np

# 加载示例数据
example = {
  "blue": [1, 1, 0, 0, 1],
  "red": [1, 1, 0, 1, 1],
  "green": [0,0, 2, 0, 1]
}
example = pd.DataFrame(example)

# 定义条件与对应赋值
cond_list = [
    ((example["blue"] == 1) | (example["red"] == 1)) & (example["green"] == 0)
]
choice_list = ["Flower A"]

# 生成新列，不满足条件的行默认填Flower B
example["flower type"] = np.select(cond_list, choice_list, default="Flower B")

print(example)

方法2：pandas loc 条件赋值（无需额外导入numpy） #

先给整列赋默认值，再覆盖符合条件的行，逻辑直观易读：

# 整列赋默认值
example["flower type"] = "Flower B"
# 构造Flower A的判断掩码
flower_a_mask = ((example["blue"] == 1) | (example["red"] == 1)) & (example["green"] == 0)
# 覆盖符合条件的行
example.loc[flower_a_mask, "flower type"] = "Flower A"

注意：pandas向量化逻辑判断不能使用原生Python的and/or关键字，必须用&（与）、|（或），且每个独立判断条件需要用圆括号包裹，避免运算优先级报错。 #

核心问题答疑 #

• 多层if结果赋值为新变量：逐行判断场景下无需在if块中打印结果，直接将目标值赋值给对应列位置即可，但逐行iloc遍历性能极差，万行以上数据运行速度会比向量化方法慢几十到上百倍，非特殊情况不建议使用。
• 整表批量判断：上述两种方法均为pandas/numpy实现的向量化操作，会自动逐行匹配判断逻辑，不需要手动写循环取iloc单行值，代码更简洁、运行效率更高。

结果验证 #

两种方法运行后输出的DataFrame与预期结果完全一致：

blue  red  green flower type
0     1    1      0    Flower A
1     1    1      0    Flower A
2     0    0      2    Flower B
3     0    1      0    Flower A
4     1    1      1    Flower B

内容的提问来源于stack exchange，提问作者Shu