如何用Python实现嵌套IF结构的Excel公式 现有代码输出不准确

核心逻辑对齐说明 #

对应Excel公式=IF(C2<>C1,"",IF(J2=J1,"","dif"))的判断规则为：

• 第一优先级：当前行C列与上一行C列不相等 → 返回空字符串
• 若上述条件不成立（即C列与上一行相等），进入第二优先级判断：当前行J列与上一行J列相等 → 返回空字符串
• 仅当C列与上一行相等、且J列与上一行不相等时，返回"dif"

正确实现代码 #

方法1：嵌套条件判断（与Excel IF逻辑完全一致） #

使用numpy.where实现嵌套分支，逻辑和Excel公式逐行对应，同时兼容pandas中NaN值的相等判断（和Excel空单元格比较规则对齐）：

import numpy as np
# 逐元素判断C列是否和上一行相等，兼容NaN场景
c_match = (data['C'].shift(1) == data['C']) | (data['C'].shift(1).isna() & data['C'].isna())
# 逐元素判断J列是否和上一行相等，兼容NaN场景
j_match = (data['J'].shift(1) == data['J']) | (data['J'].shift(1).isna() & data['J'].isna())

data['K'] = np.where(
    # 第一层判断：C列和上一行不匹配 → 返回空
    ~c_match,
    "",
    # 第二层判断：J列匹配则返回空，不匹配返回"dif"
    np.where(j_match, "", "dif")
)

方法2：掩码赋值（更直观易排查） #

直接初始化结果列全为空，仅对符合输出"dif"条件的行单独赋值，逻辑更简洁：

# 结果列默认全部为空字符串
data['K'] = ""
c_match = (data['C'].shift(1) == data['C']) | (data['C'].shift(1).isna() & data['C'].isna())
j_match = (data['J'].shift(1) == data['J']) | (data['J'].shift(1).isna() & data['J'].isna())
# 仅对「C列匹配上一行、但J列不匹配上一行」的行赋值为dif
data.loc[c_match & ~j_match, 'K'] = "dif"

原代码的问题说明 #

• 逻辑绕路且易出错：原代码将C、J列的比较结果转成数字后做等值匹配来判断输出，未按照嵌套IF的优先级做分支判断，一旦数据类型、替换规则出现变动，很容易产生逻辑偏差。
• 空值判断不兼容：pandas原生==运算符对两个连续NaN的比较结果为False，和Excel中空单元格互相判定为相等的规则不一致，会导致连续空C列被误判为不等，提前返回空值、跳过J列判断。
• 输出值不匹配：原代码将不满足条件的结果替换为空格' '，而非Excel公式对应的空字符串""，会和原Excel计算结果存在差异。
• 冗余代码：重复执行了两次data['d'] = data['C'].shift(1)==data['C']的赋值操作，无实际作用。

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