如何基于参考列在DataFrame中选择行值并生成新列？

没问题呀！刚接触pandas遇到这类逻辑列的问题太正常了，这其实是很常见的条件列赋值场景，给你几种实用的方法，从易理解到简洁都有，挑你顺手的用就行：

方法1：用loc逐条件赋值（最直观，适合新手理解） #

这种方法逻辑最直白，就是逐个匹配Y列的取值，然后给Z列对应行赋值：

import pandas as pd

# 假设你的DataFrame名为df
# 先初始化Z列（如果不需要初始值也可以直接赋值）
df['Z'] = ''

# 当Y为'A'时，取D列的值
df.loc[df['Y'] == 'A', 'Z'] = df['D']
# 当Y为'B'时，取E列的值
df.loc[df['Y'] == 'B', 'Z'] = df['E']
# 当Y为'C'时，取F列的值
df.loc[df['Y'] == 'C', 'Z'] = df['F']

loc是pandas里按标签定位的工具，df.loc[条件, 目标列]就能精准选中符合条件的行，给目标列赋值，新手很容易看懂逻辑。

方法2：用numpy.select批量处理多条件 #

如果后续Y的取值可能增多，用numpy.select会更灵活，把条件和对应取值列做成列表一次性处理：

import pandas as pd
import numpy as np

# 定义条件列表
conditions = [
    df['Y'] == 'A',
    df['Y'] == 'B',
    df['Y'] == 'C'
]
# 对应条件要选取的列
choices = [df['D'], df['E'], df['F']]

# 给Z列赋值，default是当所有条件都不匹配时的默认值，可以根据需求调整
df['Z'] = np.select(conditions, choices, default='')

这种方法把所有条件和取值放在一起，后期维护起来更方便，一眼就能看到所有规则。

方法3：用lookup一步到位（最简洁） #

如果你追求代码简洁，这种方法用字典映射+lookup可以一行搞定：

import pandas as pd

# 先创建一个映射字典：Y的取值对应要选的列名
col_mapping = {'A': 'D', 'B': 'E', 'C': 'F'}
# 用map把Y列转换成对应的列名，再用lookup根据行索引和列名取值
df['Z'] = df.lookup(df.index, df['Y'].map(col_mapping))

lookup的作用就是根据行索引和列名的组合，提取对应位置的值，配合map把Y列转成列名，直接就能得到想要的Z列。

小补充 #

因为你的数据多是字符串类型，这些方法都能完美兼容，赋值后Z列的类型会和D/E/F列保持一致，如果需要统一转成字符串类型，可以加一行：

df['Z'] = df['Z'].astype(str)

内容的提问来源于stack exchange，提问作者Roy Han