如何对Pandas DataFrame逐行做条件判断并更新指定列的值

首先你给出的示例DataFrame中col1和col2的值都是字符串类型，直接做数值大小比较会得到错误结果，需要先将两列转换为数值类型，再做条件更新即可，以下是两种常用实现方式：

• 方法1：loc条件赋值（优先推荐，直接修改原表无额外开销）

import pandas as pd

# 你的初始DataFrame
df = pd.DataFrame({'col1': ['0','1','2','3','4'],'col2': ['10','20','30','40','50'], 'col3': 0})

# 转换列类型为整数
df['col1'] = df['col1'].astype(int)
df['col2'] = df['col2'].astype(int)

# 匹配双条件后更新col3
df.loc[(df['col1'] < 3) & (df['col2'] > 15), 'col3'] = 1

运行后符合条件的第2行（索引1）、第3行（索引2）的col3会被更新为1，其余行保持原值。

• 方法2：numpy.where实现（适合多条件分支的赋值场景）
  如果你的场景需要对所有行的col3做全量重写，可以用这个方法：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1': ['0','1','2','3','4'],'col2': ['10','20','30','40','50'], 'col3': 0})
df['col1'] = df['col1'].astype(int)
df['col2'] = df['col2'].astype(int)

df['col3'] = np.where((df['col1'] < 3) & (df['col2'] > 15), 1, df['col3'])

这里的第三个参数df['col3']表示不满足条件的行保留原有col3的值，如果你需要不满足条件的行统一设为0，直接把第三个参数换成0即可。

内容的提问来源于stack exchange，提问作者SIUV