Python对比两列生成新列：寻求更具可读性的类SAS实现方案

你需要的判断逻辑非常清晰，不需要依赖np.select也能写出和SAS语法逻辑类似、易读易维护的代码，以下是几种常用实现方式：

方案1：布尔值直接转整数（最简洁） #

逻辑说明：Pandas中布尔值True默认对应整数1，False对应整数0，直接把判断结果转换为int类型即可实现需求

import pandas as pd

df = pd.DataFrame({'id': [1,2,3,4,5,6,7,8,9],
                   'In': [111, 100, 31, 1100, 12, 33, 21, 32, 33],
                   'Out': [24, 52, 34, 95, 98, 54, 32, 20, 16]})

# 一行完成赋值，逻辑一目了然
df['check'] = (df['In'] > df['Out']).astype(int)
print(df)

方案2：where方法（和SAS的if/else语法逻辑最接近） #

逻辑说明：where(判断条件, 不满足条件时的赋值)的写法和SAS的if分支逻辑完全对应，就算后续要增加判断条件也很好维护

# 写法和SAS的if/else步骤完全一致
df['check'] = 1
df['check'] = df['check'].where(df['In'] > df['Out'], 0)

# 也可以压缩为一行写法
df['check'] = (df['In'] > df['Out']).where(True, 0)

方案3：自定义函数+apply（可读性最高，适合复杂逻辑扩展） #

逻辑说明：把判断逻辑全部封装在自定义函数里，每一步都可以单独加注释，后续要新增分支条件只需要修改函数即可，和SAS的data step逻辑完全对齐

def cal_check(row):
    # 对应SAS逻辑：if In > Out then check=1
    if row['In'] > row['Out']:
        return 1
    # 对应SAS逻辑：else check=0
    else:
        return 0

df['check'] = df.apply(cal_check, axis=1)

内容的提问来源于stack exchange，提问作者Hary2