基于布尔列条件优化Pandas字符串提取列的实现方案问询

问题背景 #

我现有一段可正常运行的Pandas代码：

my_dataframe[[new_col_one, new_col_two]] = my_dataframe['col_with_values'].str.extract(some_regex, expand=True)

现在想基于is_true布尔列修改逻辑：

• 当is_true为True时，对对应行的col_with_values执行正则提取，结果存入new_col_one和new_col_two
• 当is_true为False时，new_col_one和new_col_two直接填NaN

is_true的每行值对应col_with_values的同一行，我纠结要不要用计数器或for循环，有没有更高效的实现方式？

预期输出示例：

最优解决方案：别用循环！用Pandas矢量化操作 #

完全没必要写for循环或者计数器，Pandas的矢量化操作天生适合这种批量行处理场景，效率比循环高得多，给你两种简洁的实现方式：

方法一：先提取再过滤赋值 #

逻辑非常直观：先对所有行执行提取，再把is_true为False的行的新列值替换成NaN：

import numpy as np

# 第一步：提取所有行的正则匹配结果到新列
my_dataframe[[new_col_one, new_col_two]] = my_dataframe['col_with_values'].str.extract(some_regex, expand=True)
# 第二步：将is_true为False的行的新列设为NaN
my_dataframe.loc[~my_dataframe['is_true'], [new_col_one, new_col_two]] = np.nan

这种方式代码可读性强，新手也能快速理解，处理大型数据集时性能也完全够用。

方法二：用where一步完成条件提取 #

把条件判断和提取合并成一行，代码更紧凑：

import numpy as np

my_dataframe[[new_col_one, new_col_two]] = my_dataframe['col_with_values'].where(
    my_dataframe['is_true'],  # 仅保留is_true为True的行的原列值
    np.nan  # 其他行替换为NaN，str.extract遇到NaN会直接返回NaN
).str.extract(some_regex, expand=True)

这种写法把逻辑浓缩在一起，适合喜欢简洁代码的场景。

为什么不推荐循环？ #

Pandas的矢量化操作是基于底层C语言实现的批量处理，而Python的for循环是逐行执行，当数据集超过一万行时，两者的性能差距会非常明显——矢量化操作的速度可能是循环的几十甚至上百倍，绝对是处理这种场景的首选。

内容的提问来源于stack exchange，提问作者ekjcfn3902039