如何在Pandas中基于列值匹配条件合并字符串列生成新列？

嘿，作为Python新手遇到这种Pandas的条件操作很正常，我来给你捋清楚怎么高效解决这个问题！

首先先说说你之前代码里的问题：你循环遍历df['interest1']的时候，row是列里的字符串内容，不是行索引，所以df['interest2'].iloc[row]这行完全不对——你没法用字符串去索引行位置，这就是你代码没成功的原因。而且用循环遍历DataFrame行在Pandas里是效率很低的做法，我们有更简洁的矢量化操作来搞定这个需求。

推荐方法：用numpy.where做矢量化条件判断 #

这是最高效的方式，适合处理大数据集，代码也很简洁：

import pandas as pd
import numpy as np

# 先创建你的示例DataFrame
lst= [['music','music','film','music film'],
      ['guitar','piano','violin','guitar piano'],
      ['music','photography','photography','music photography'],
     ]
df= pd.DataFrame(lst,columns=['interest1','interest2','interest3','first distinct pair'])

# 生成新列：条件判断合并
df['merged_interest'] = np.where(
    df['interest1'] == df['interest2'],  # 判断条件：interest1和interest2是否相同
    df['interest1'] + ' ' + df['interest3'],  # 条件成立时的合并方式
    df['interest1'] + ' ' + df['interest2']   # 条件不成立时的合并方式
)

print(df)

运行后你会得到和预期的first distinct pair列完全一致的结果，而且这个方法是对整个列做批量操作，比循环快得多。

备选方法：用df.apply逐行处理（适合新手理解，但效率低） #

如果你想更直观地看到逐行判断的逻辑，也可以用apply方法，虽然效率不如矢量化，但代码逻辑清晰：

def merge_interests(row):
    if row['interest1'] == row['interest2']:
        return f"{row['interest1']} {row['interest3']}"
    else:
        return f"{row['interest1']} {row['interest2']}"

df['merged_interest'] = df.apply(merge_interests, axis=1)

这个方法把每一行当作一个Series传入函数，判断后返回合并结果，新手更容易看懂，但如果你的DataFrame行数很多，还是推荐第一种矢量化的方法。

为什么你的原代码不行？ #

再回头看你的循环代码，错误点在于：

• 你遍历的是df['interest1']的值，不是行索引，所以row是字符串（比如'music'），用它去iloc[row]会报错
• 就算你改成遍历索引，比如for idx in df.index，循环处理每一行的效率也远低于矢量化操作，Pandas就是为批量矢量化操作设计的，尽量避免循环遍历行

内容的提问来源于stack exchange，提问作者alinaz