R跨两列的条件mutate操作如何转换为Python pandas等效实现

核心逻辑对齐 #

原R代码的第二步规则可拆解为：

• 若col_2为空：保留new_col的原有值
• 若col_2不为空：
  • col_3等于1时，new_col加1
  • 其他情况new_col减1

所有操作优先使用pandas/numpy的矢量化运算，完全避免行级apply，性能远高于迭代写法，不会出现内核超时问题。

最优实现代码 #

import pandas as pd
import numpy as np

# 第一步：初始化new_col，替换原有的apply写法，性能更高
df['new_col'] = np.where(pd.isna(df['col_1']), np.nan, 2)

# 第二步：按条件更新new_col，完全等效于R的嵌套ifelse
df['new_col'] = np.where(
    pd.isna(df['col_2']),  # 条件1：col_2为空
    df['new_col'],  # 条件1成立：保留原值
    np.where(
        df['col_3'] == 1,  # 条件2：col_3等于1
        df['new_col'] + 1,  # 条件2成立：加1
        df['new_col'] - 1  # 条件2不成立：减1
    )
)

如果你的col_2的缺失值是用空格字符串' '表示而非pandas标准空值，只需要把pd.isna(df['col_2'])替换为df['col_2'] == ' '即可。

可选高可读性写法 #

如果觉得嵌套np.where不够直观，可以用loc条件赋值实现，效果完全一致：

# 筛选col_2非空的行的掩码
mask_col2_valid = ~pd.isna(df['col_2'])
# 分情况赋值
df.loc[mask_col2_valid & (df['col_3'] == 1), 'new_col'] += 1
df.loc[mask_col2_valid & (df['col_3'] != 1), 'new_col'] -= 1

之前写法的问题说明 #

• 嵌套apply属于双重迭代，时间复杂度为O(n²)，数据量稍大就会超时，矢量化运算的时间复杂度为O(n)，性能差距可达数百倍
• 行级apply的lambda参数x是整行的Series对象，你直接对x做加减运算时，会把整行所有字段（包括字符串类型的col_1、col_2）参与运算，因此会报字符串和整数无法运算的错误

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