You need to enable JavaScript to run this app. Python Pandas 基于多条件比对DataFrame列值生成自定义新列实现咨询
优惠活动
大模型
产品
解决方案
定价
更多

Python Pandas 基于多条件比对DataFrame列值生成自定义新列实现咨询

多条件规则匹配实现方案

你目前使用的单层np.where仅支持二分支判断,无法覆盖4条规则的匹配需求,可以根据自己的熟悉程度选择以下两种可直接运行的写法:

写法1:基于现有np.where的嵌套扩展

这种写法和你已掌握的API完全兼容,不需要额外学习新内容,上手最快:

import numpy as np

df['New_column'] = np.where(
    # 匹配规则1:S2 > S1,返回More
    df['S2'] > df['S1'],
    'More',
    np.where(
        # 匹配规则2:S2 < S1,返回Less
        df['S2'] < df['S1'],
        'Less',
        np.where(
            # 匹配规则3:S2 == S1,返回Same
            df['S2'] == df['S1'],
            'Same',
            # 匹配规则4:所有其他场景(含S1空值),返回New
            'New'
        )
    )
)

注意:pandas中任意值和空值(NaN)做大小、相等比较时,结果均为False,因此S1为空的行不会匹配前三个规则,会自动触发兜底返回'New',完全符合需求。如果想让空值判断的逻辑更显式,可以在每个比较条件后追加& df['S1'].notna()。

写法2:使用np.select实现(推荐长期使用)

嵌套式的np.where在规则数量超过3条时,容易出现括号嵌套错位的问题,numpy提供的np.select专门用于多条件分支判断,代码可读性更高,后续扩展规则也更方便:

# 按规则优先级依次定义判断条件
conditions = [
    df['S2'] > df['S1'],  # 规则1
    df['S2'] < df['S1'],  # 规则2
    df['S2'] == df['S1']  # 规则3
]
# 与条件一一对应的返回值
choices = ['More', 'Less', 'Same']
# 所有条件都不满足时的兜底返回值,对应规则4
df['New_column'] = np.select(conditions, choices, default='New')

这种写法的优势:

  • 所有判断逻辑集中在同一层级,不需要嵌套缩进,代码结构清晰
  • 后续新增规则时,只需要在conditions列表中添加判断、在choices列表中添加对应返回值即可,无需调整原有逻辑
  • 空值场景同样会自动触发default返回'New',匹配预期逻辑

按照以上代码运行后,生成的New_column会和你给出的预期输出完全一致。

内容的提问来源于stack exchange,提问作者KBar

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.18 12:36:08