如何基于指定条件规则为pandas DataFrame填充新列

你可以直接用pandas内置的isin()方法配合条件判断实现需求，完全基于你已经提取好的参数，无需硬编码规则，两种常用实现方式如下：

方法1：使用numpy的where函数（逻辑更直观） #

import pandas as pd
import numpy as np

# 你已提取的参数
options = ['Type A', 'Type B', 'Type C']
col_to_check = 'Game'
value_if_met = 'Played'
else_use_col = 'Status'
new_col_name = 'Result'

# 示例DataFrame
df = pd.DataFrame(
    {
            'ID': ['AB01', 'AB02', 'AB03', 'AB04', 'AB05','AB06'],
            'Game': ['Type A','Type B','Type A','Type C','Type D','Type D'],
            'Status': ['Won', 'Draw', 'Won', np.nan, 'Won',np.nan]
    }
)

# 核心逻辑：匹配成功赋值指定值，失败取对应Status列的值
df[new_col_name] = np.where(df[col_to_check].isin(options), value_if_met, df[else_use_col])

方法2：使用pandas的where方法（更贴合原生pandas语法） #

# 先默认全赋值为匹配成功的结果
df[new_col_name] = value_if_met
# 不满足匹配条件的位置替换为Status列的值
df[new_col_name] = df[new_col_name].where(df[col_to_check].isin(options), df[else_use_col])

运行后得到的Result列完全符合预期输出：['Played','Played','Played','Played','Won',np.nan]，会自动保留Status列的nan值无需额外处理。

内容的提问来源于stack exchange，提问作者Zakyl