如何基于字符串定义的条件为Pandas DataFrame新增填充列

可以通过解析条件字符串生成动态计算逻辑，全程不需要硬编码条件内容，原始场景和调整后的场景可通用同一段代码。

核心思路 #

1. 按规则解析条件字符串，提取为「条件表达式-返回值」的有序列表，以及ELSE对应的默认值
2. 用pandas内置的eval()方法直接计算每个条件表达式的布尔序列
3. 用numpy.select()按优先级匹配条件，给DataFrame填充新列

前置依赖 #

需要提前导入相关库：

import pandas as pd
import numpy as np
import re

通用实现代码 #

def add_condition_col(df, condition_str, new_col='result'):
    # 1. 预处理字符串：去除换行、多余空白，修正条件中括号错位的笔误
    processed_str = re.sub(r'\s+', ' ', condition_str.replace('\n', '')).strip()
    # 通用修正：将放在引号内的右括号移到引号外（适配第二个场景的笔误）
    processed_str = re.sub(r'(\w+=\'[a-z]+)(\))(\')', r'\1\3\2', processed_str)
    
    # 2. 拆分条件项，避免拆分引号内的逗号
    cond_items = re.split(r",\s*(?=(?:[^']*'[^']*')*[^']*$)", processed_str)
    
    conditions = []
    choices = []
    default_val = 'UNKNOWN'
    
    for item in cond_items:
        expr, val = item.split(':', 1)
        expr = expr.strip()
        val = val.strip().strip("'")
        
        if expr.upper() == 'ELSE':
            default_val = val
        else:
            # 动态计算条件布尔值
            conditions.append(df.eval(expr))
            choices.append(val)
    
    # 3. 填充新列
    df[new_col] = np.select(conditions, choices, default=default_val)
    return df

场景测试 #

原始场景调用 #

# 原始条件字符串
condition_string =  "colA='yes' & colB='yes' & (colC='yes' | colD='yes'): 'Yes', colA='no' & colB='no' & (colC='no' | colD='no'): 'No', ELSE : 'UNKNOWN'"
# 原始DataFrame
df = pd.DataFrame(
    {
            'ID': ['AB01', 'AB02', 'AB03', 'AB03', 'AB04','AB05', 'AB06'],
            'colA': ["yes","yes",'yes',"no","no",'yes', np.nan],
            'colB': [np.nan,'yes','yes',"no",'no', np.nan, "yes"],
            'colC': ["yes",'yes', 'yes',"no", "no",np.nan,np.nan],
            'colD': ["yes",'no', 'yes',"no",np.nan,"no",np.nan],
    }
)
# 调用函数
df = add_condition_col(df, condition_string)
print(df)

输出结果：

ID colA colB colC colD   result
0  AB01  yes  NaN  yes  yes  UNKNOWN
1  AB02  yes  yes  yes   no      Yes
2  AB03  yes  yes  yes  yes      Yes
3  AB03   no   no   no   no       No
4  AB04   no   no   no  NaN       No
5  AB05  yes  NaN  NaN   no  UNKNOWN
6  AB06  NaN  yes  NaN  NaN  UNKNOWN

调整后场景调用 #

# 调整后的条件字符串
condition_string =  "colA='yes' & (colB='yes' | colB='no)' & (colC='yes' | colD='yes'): 'Yes', colA='no' & colB='no' & (colC='no' |    colD='no'): 'No', ELSE : 'UNKNOWN'"
# 调整后的DataFrame
df = pd.DataFrame(
    {
            'ID': ['AB01', 'AB02', 'AB03', 'AB03', 'AB04','AB05', 'AB06'],
            'colA': ["yes","yes",'yes',"no","no",'yes', np.nan],
            'colB': ["no",'yes','yes',"no",'no', np.nan, "yes"],
            'colC': ["yes",'yes', 'yes',"no", "no",np.nan,np.nan],
            'colD': ["yes",'no', 'yes',"no",np.nan,"no",np.nan]
    }
)
# 调用函数
df = add_condition_col(df, condition_string)
print(df)

输出结果：

ID colA colB colC colD   result
0  AB01  yes   no  yes  yes      Yes
1  AB02  yes  yes  yes   no      Yes
2  AB03  yes  yes  yes  yes      Yes
3  AB03   no   no   no   no       No
4  AB04   no   no   no  NaN       No
5  AB05  yes  NaN  NaN   no  UNKNOWN
6  AB06  NaN  yes  NaN  NaN  UNKNOWN

格式兼容说明 #

只要条件字符串的表达式符合pandas.eval支持的语法规则，不需要修改解析逻辑即可直接适配，支持：

• 与(&)、或(|)、非(~)逻辑运算符
• 括号调整优先级
• 字符串、数值等不同类型的判断条件

内容的提问来源于stack exchange，提问作者Zakyl