如何基于MultiIndex条件创建新列（无Python循环实现）

嘿，我来帮你搞定这个需求！要给这个三级索引的DataFrame加NEW列，还不能用循环，咱们用矢量化操作就能高效解决，完全符合要求。

首先，先把完整的代码放出来，你可以直接运行：

import numpy as np
import pandas as pd

# 重建你提供的DataFrame
arrays = [np.array(['bar', 'bar', 'bar', 'bar', 'bar', 'bar', 'baz', 'baz', 'baz', 'baz', 'baz', 'baz', 'foo', 'foo', 'foo', 'foo', 'foo', 'foo']), 
          np.array(['one','two'] * 9), 
          np.array([1,2,3] * 6)]
df = pd.DataFrame(np.random.randn(18,2), index=arrays, columns=['col0', 'col1'])

# 提取需要用到的索引层级
level_0 = df.index.get_level_values(0)
level_2 = df.index.get_level_values(2)

# 定义所有条件分支
conditions = [
    # bar组：第三层索引>1时取col1，否则取col0（这里假设你需求里的col2是笔误，原DF没有这列）
    (level_0 == 'bar') & (level_2 > 1),
    (level_0 == 'bar') & (level_2 <= 1),
    # baz组：第三层索引>2时取col1，否则取col0
    (level_0 == 'baz') & (level_2 > 2),
    (level_0 == 'baz') & (level_2 <= 2),
    # foo组：第三层索引>3时取col1，否则取col0（原DF里level2最大是3，所以这组实际全取col0）
    (level_0 == 'foo') & (level_2 > 3),
    (level_0 == 'foo') & (level_2 <= 3)
]

# 对应每个条件的取值
values = [
    df['col1'],
    df['col0'],
    df['col1'],
    df['col0'],
    df['col1'],
    df['col0']
]

# 创建NEW列
df['NEW'] = np.select(conditions, values)

# 打印结果看看
print(df)

代码细节说明： #

• 用get_level_values直接提取索引层级，比手动遍历高效得多，是Pandas处理多层索引的标准做法；
• np.select是专门处理多条件分支的矢量化工具，把所有条件和对应取值列出来就行，完全不需要写Python循环，性能远高于逐行判断；
• 我注意到你需求里提到的col2应该是笔误——你的DataFrame只有col0和col1两列，所以默认用col0替代了，如果实际有其他目标列，直接修改values里对应的部分即可；
• 另外，foo组的level2>3条件在当前数据里永远不会触发，因为第三层索引最大就是3，不过代码已经写好，后续如果有更大的索引值，会自动生效。

这样处理下来，代码简洁高效，完全满足你的要求~

内容的提问来源于stack exchange，提问作者Ranny