如何依据另一列的值拆分数值列？基于布尔列拆分整数列

嘿，我刚好处理过类似的需求，给你几个实用的方案，完全适配整数类型的处理，不用纠结字符串操作的那些例子！

一、针对你给出的True/False拆分场景 #

先还原你的示例数据：

import pandas as pd

df = pd.DataFrame({
    'A': [True, False, True, False],
    'X': [3, 6, 2, 4]
})

方法1：用Pandas的where方法（最直观） #

where方法会在条件满足时保留原数值，不满足时返回NaN，刚好贴合你的拆分需求：

# 当A为True时，Y列取X的值，否则为NaN
df['Y'] = df['X'].where(df['A'])
# 当A为False时，Z列取X的值，否则为NaN
df['Z'] = df['X'].where(~df['A'])

# 如果你想把NaN显示为空字符串（和你的示例格式一致），可以用fillna，注意这会把列转为object类型
df['Y'] = df['Y'].fillna('').astype(object)
df['Z'] = df['Z'].fillna('').astype(object)

方法2：用numpy.where（更灵活） #

如果你习惯用numpy的工具，np.where可以直接实现条件赋值，一步到位：

import numpy as np

df['Y'] = np.where(df['A'], df['X'], '')
df['Z'] = np.where(~df['A'], df['X'], '')

这个方法对整数类型完全友好，直接生成你需要的空字符串格式。

二、通用场景：依据任意列的值拆分数值列 #

如果你的拆分依据不是True/False，而是其他分类值（比如分组标签），可以用下面两种方法：

方法1：用pivot透视 #

假设你的数据是按分组列拆分，示例如下：

df = pd.DataFrame({
    'Group': ['G1', 'G2', 'G1', 'G2'],
    'X': [5, 7, 9, 11]
})

# 透视拆分，自动生成对应分组的列
pivot_df = df.pivot(columns='Group', values='X').reset_index(drop=True)
# 重命名列（可选）
pivot_df.columns = ['Y', 'Z']
# 和原数据合并
df = df.join(pivot_df)

方法2：用get_dummies+乘法 #

这种方法适合快速生成拆分列：

# 生成分组的哑变量
dummies = pd.get_dummies(df['Group'])
# 哑变量和数值列相乘，得到拆分后的列
df[['Y', 'Z']] = dummies.mul(df['X'], axis=0)

拆分后的空值同样可以用fillna('')处理成空字符串。

补充一句：你提到会用df[Y] + df[Z]合并列，拆分其实就是反向的筛选逻辑——通过条件判断把数值分配到对应的列里，这些方法都不会改变原数值的类型（除非你主动转成字符串），完全满足整数处理的需求。

内容的提问来源于stack exchange，提问作者JR1