如何在Python的pandas中复现SQL的Update CASE WHEN逻辑

首先拆解你提供的SQL更新逻辑，所有分支可简化为：Column1优先取Column3的值，只有当Column3为空时才取Column2的值，和Column2本身是否为空没有直接关联，和原SQL逐分支执行结果完全一致。

你可以根据自己的使用习惯选择以下任意一种实现方式：

• 最简写法（最推荐）
  直接用fillna填充空值，完全匹配简化后的逻辑：

import pandas as pd

# 假设你的数据表存储在变量df中
df['Column1'] = df['Column3'].fillna(df['Column2'])

• 通用逻辑写法
  用np.where实现条件判断，可读性更高，也方便后续调整逻辑：

import pandas as pd
import numpy as np

df['Column1'] = np.where(
    df['Column3'].isna(),  # 条件：Column3为空
    df['Column2'],  # 满足条件时取Column2
    df['Column3']  # 不满足条件时取Column3
)

• 逐分支匹配写法
  如果你需要完全对应原SQL的每一个CASE分支，避免逻辑简化带来的偏差，可以用pandas提供的case方法逐行匹配：

import pandas as pd

df['Column1'] = pd.case(
    [
        (df['Column2'].isna() & df['Column3'].isna(), df['Column3']),
        (df['Column2'].notna() & df['Column3'].isna(), df['Column2']),
        (df['Column2'].isna() & df['Column3'].notna(), df['Column3']),
        (df['Column2'].notna() & df['Column3'].notna(), df['Column3'])
    ],
    default=df['Column3']
)

pandas中的空值（对应SQL的NULL）包含NaN、NaT等类型，判断空值时请使用isna()、notna()方法，不要使用== np.nan的写法，该写法会因为NaN不等于自身的特性得到错误的判断结果。

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