如何基于pandas DataFrame条件判断规则新增字符串类型标识列

我通过如下代码构造了pandas DataFrame：

import pandas as pd
data = {"marks":[1,2,3,4,5,6,7,8,9,10,11,12], "month":['jan','feb','mar','apr','may','jun','jul','aug','sep','oct','nov','dec']}
df2 = pd.DataFrame(data)

我的需求是根据month列取值新增名为q的字符串列：当month为jan、feb、mar时q取值为'1Q'，其余取值为'other'。我尝试编写了如下代码，但运行后无法得到预期结果，请问该如何正确实现？

for i in df2['month']:
   if (i=='jan' or i=='feb' or i=='mar'):
        df2['q'] = '1Q'
   else:
        df2['q']='other'

你写的逐行循环中，每次对df2['q']直接赋值是对整个列赋值，而非仅对当前行赋值。循环会遍历所有month值，运行到最后一个值dec时触发else逻辑，最终整个q列都会被覆盖为other，因此得不到预期结果。
pandas处理这类列操作更推荐使用矢量化运算，效率远高于逐行循环，以下是两种常用的正确实现方式：

方法1：使用numpy.where（最简洁） #

import numpy as np
df2['q'] = np.where(df2['month'].isin(['jan', 'feb', 'mar']), '1Q', 'other')

方法2：使用loc赋值（无需额外导入numpy） #

# 先给q列设置默认值为other
df2['q'] = 'other'
# 筛选符合条件的行，将q列赋值为1Q
df2.loc[df2['month'].isin(['jan', 'feb', 'mar']), 'q'] = '1Q'

内容的提问来源于stack exchange，提问作者user10689363