如何对DataFrame实现多循环与多if条件的逻辑运算

实现方案 #

针对你描述的行内元素比较+批量处理大量DataFrame行的需求，优先用Pandas向量化操作实现，性能远高于逐行原生循环，以下是不同场景的代码示例：

场景1：仅每行独立比较第1、2个元素，生成判断结果

不需要循环，直接用向量化逻辑完成，十万行级数据也可以毫秒级处理：

import pandas as pd

# 读取数据，Excel源文件就用pd.read_excel，csv就用pd.read_csv
df = pd.read_excel("你的数据文件路径.xlsx")

# 写法1：适合简单判断逻辑，性能最优
# 示例逻辑：如果行内第二个元素 > 第一个元素，结果列填"符合"，否则填"不符合"
df["判断结果"] = "不符合"
df.loc[df.iloc[:, 1] > df.iloc[:, 0], "判断结果"] = "符合"

# 写法2：适合复杂判断逻辑，可读性更高，万行级数据够用
df["判断结果"] = df.apply(
    lambda row: "符合" if row.iloc[1] > row.iloc[0] else "不符合",
    axis=1
)

场景2：需要迭代滚动计算（前一轮的结果作为后一轮的比较基准）

如果是类似Excel下拉公式、基准值逐行更新的逻辑，可以用以下写法：

base = df.iloc[0, 0] # 初始基准为第一行第一个元素
res_list = []

for current_val in df.iloc[:, 1]:
    # 你的比较逻辑
    if current_val > base:
        res_list.append("上涨")
        base = current_val # 更新基准为当前值，给下一轮迭代用
    else:
        res_list.append("持平/下跌")

df["滚动判断结果"] = res_list

如果需要输出回Excel，直接加一行代码即可：

df.to_excel("处理结果.xlsx", index=False)

内容的提问来源于stack exchange，提问作者Thinker