如何在修改DataFrame数值时合并多个条件实现单表达式赋值

你合并条件报错的核心原因有两个：一是错误使用了逻辑运算符，二是没有给单个条件添加括号，正确的单表达式合并写法如下：

# 两个条件满足任意一个就赋值，使用按位或|，每个条件用括号包裹
data_frame.loc[(data_frame.col1 > 50) | (data_frame.col2 < 100), ["col1", "new_col"]] = "Cool"

多条件批量处理方案（10个条件无需写10行代码） #

针对大数据集多条件赋值场景，推荐两种高效实现方式：

1. 单赋值规则多条件匹配 #

如果所有筛选条件满足后赋值内容相同，可以先合并生成统一的布尔掩码，再执行一次赋值：

mask = (
    (data_frame.col1 > 50)
    | (data_frame.col2 < 100)
    | (data_frame.col3 == "指定值")
    | (data_frame.col4.isin([1,2,3]))
    # 剩余条件按相同格式依次添加即可
)
data_frame.loc[mask, ["col1", "new_col"]] = "Cool"

2. 多条件对应不同赋值内容 #

如果不同筛选条件对应不同的赋值结果，使用numpy.select实现，代码可维护性和运行效率远高于多行独立赋值：

import numpy as np

# 按顺序定义所有筛选条件
conditions = [
    data_frame.col1 > 50,
    data_frame.col2 < 100,
    data_frame.col3 == "测试值",
    # 剩余条件依次添加
]
# 每个位置的取值对应conditions同位置条件满足时的赋值
values = [
    "Cool",
    "Cool",
    "Excellent",
    # 剩余对应值依次添加
]
# default参数设置不满足所有条件时保留原值
data_frame[["col1", "new_col"]] = np.select(conditions, values, default=data_frame[["col1", "new_col"]])

注意事项 #

• Pandas中多条件判断不能使用Python原生的and/or/not，必须使用按位运算符&（且）/|（或）/~（非）
• 每个独立的条件表达式必须用圆括号包裹，避免因运算符优先级问题触发语法错误
• 大数据集场景下优先使用掩码合并或者np.select方案，比逐行写loc赋值的运行效率高30%以上

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