如何基于第三列的条件合并DataFrame的两列并生成新列

原有代码错误原因 #

你写的循环出现问题的核心是赋值时右侧没有取对应行的值：df["column1"]是返回整列的Series对象，而非当前索引i对应的行值，导致赋值逻辑错误。另外Pandas处理这类逐行判断场景完全不需要写循环，向量化操作的执行效率远高于自定义循环，尤其适合你这种带时间序列索引的大数据量场景。

另外注意你问题描述提到是基于column3做判断，但现有代码里的判断条件是基于column1，如果实际判断逻辑和column3有关，替换下方案里的判断条件即可。

方案1：使用numpy.where（最简洁，推荐） #

仅需一行代码即可完成需求：

import numpy as np
# 判断逻辑：column1大于180取column1的值，否则取column2的值
df['column4'] = np.where(df['column1'] > 180, df['column1'], df['column2'])

如果需要基于column3做判断，修改第一个参数的判断逻辑即可，示例：

# 示例：column3等于指定值时取column1，否则取column2
df['column4'] = np.where(df['column3'] == '目标值', df['column1'], df['column2'])

上述方案默认column1等于180时取column2的值，你可以根据自己的需求调整判断条件。

方案2：用Pandas原生loc实现（无需额外导入包） #

如果不想依赖numpy，也可以用Pandas自带的赋值方法实现：

# 先默认给column4赋值为column2的所有值
df['column4'] = df['column2']
# 把满足column1>180的行替换为column1的对应值
df.loc[df['column1'] > 180, 'column4'] = df.loc[df['column1'] > 180, 'column1']

循环写法的修正（仅作学习参考，生产环境不推荐） #

如果你只是想了解循环写法的正确逻辑，可以修正为如下形式，但数据量较大时运行速度会非常慢：

for i in df.index:
    if df.loc[i, "column1"] > 180:
        df.loc[i, "column4"] = df.loc[i, "column1"]
    elif df.loc[i, "column1"] < 180:
        df.loc[i, "column4"] = df.loc[i, "column2"]
    # 可以自行补充column1等于180时的else处理逻辑

内容的提问来源于stack exchange，提问作者gigWindcat