如何为DataFrame新增列时按指定行分界填充不同取值

这类需求的核心是通过行索引构建判断条件，为匹配的行区间对应赋值不同的固定值，全程不需要逐行循环，就算是你手上这种上万列的宽表也能保持很高的执行效率。

最通用的实现方式（容错性最高） #

这种方法完全基于你已经掌握的全局赋值思路改造，适配绝大多数场景，不容易触发pandas的索引警告：

• 第一步：先为整列赋上分界点之后所有行需要用到的固定值。比如你的例子里分界行（行1）及之后要取0，就先全局赋值：

# 先整列初始化为分界后默认值
df['new_col'] = 0

• 第二步：通过行索引切片，把分界点之前的区间覆盖成另一个固定值。这里要用到.loc定位索引区间，规则非常直观：

# 切片格式：df.loc[起始行索引:结束行索引, 目标列名] = 要覆盖的值
# 例子里分界行是索引1，分界前只有索引0的行，要赋值1
df.loc[:0, 'new_col'] = 1

注意：pandas的.loc索引切片是双端闭区间，如果你的分界行是索引为N的行、需要N之前的所有行取另一个固定值，那么切片的结束位置要写N-1，否则会把分界行本身也包含进去导致赋值错误。

更简洁的一次性生成方式 #

如果你的取值规则刚好是0/1这类可以和布尔值转换的场景，可以直接基于索引判断一次性生成整列，不需要分步赋值：

split_idx = 1  # 把分界行索引存在变量里，后续调整参数更方便
# 索引小于分界值的行为True，转成整数后就是1，其余为0
df['new_col'] = (df.index < split_idx).astype(int)

如果分段取的固定值不是0和1（比如分界前取"train"、分界后取"test"），可以搭配numpy.where实现灵活赋值：

import numpy as np
split_idx = 1
# 语法：np.where(判断条件, 条件成立时的赋值, 条件不成立时的赋值)
df['new_col'] = np.where(df.index < split_idx, 1, 0)

避坑提醒 #

• 不要用df[df.index < split_idx]['new_col'] = 1这类链式索引做赋值，容易触发SettingWithCopyWarning，甚至出现赋值不生效的问题，统一使用.loc索引做定位最稳妥。
• 如果你的DataFrame不是默认的从0开始连续递增的整数索引（比如自定义过索引值、做过合并操作），上述基于索引值的判断依然有效；如果需要按物理行位置（不看索引值，从表的第一行开始数的位置）做分界，可以用.iloc定位：

# 按物理行位置赋值，不受自定义索引影响
# 给表中最开头的1行（物理位置0）赋值1
df.iloc[:1, df.columns.get_loc('new_col')] = 1

内容的提问来源于stack exchange，提问作者Flodude