基于函数的Pandas列创建方法优化及多DataFrame适配问询

我完全懂你现在的烦恼——每次给新的DataFrame写几乎一样的条件列生成代码，不仅重复啰嗦，后面要调整规则的时候还得挨个修改，维护成本太高了。咱们可以把这个逻辑封装成可复用的函数，再批量应用到所有需要处理的DataFrame上，彻底解决冗余问题。

先拆解你的痛点 #

先假设你的方法1大概是这种硬编码的写法：

# 处理第一个DataFrame
df1['level'] = np.where(df1['score'] > 80, '优秀', '普通')
# 处理第二个DataFrame
df2['level'] = np.where(df2['score'] > 80, '优秀', '普通')
# 每加一个新DF就要复制一遍，太麻烦！

这种写法的问题就是把**可变的逻辑（条件列、判断规则、新列名、对应值）和固定的操作（生成新列）**绑死了，所以没法复用。

第一步：把条件逻辑封装成可配置的函数 #

我们把所有可能变化的部分抽成参数，写一个通用函数：

import pandas as pd
import numpy as np

def add_condition_column(df, condition_col, new_col_name, condition_rule, true_value, false_value):
    """
    给DataFrame添加基于指定列条件的新列
    参数说明：
        df: 待处理的DataFrame
        condition_col: 用于判断的列名（比如'score'）
        new_col_name: 要生成的新列名（比如'level'）
        condition_rule: 判断规则（可以是lambda表达式，比如lambda x: x>80）
        true_value: 条件为真时的赋值
        false_value: 条件为假时的赋值
    返回：
        已添加新列的DataFrame（支持原地修改或返回副本，看你需求）
    """
    df[new_col_name] = np.where(condition_rule(df[condition_col]), true_value, false_value)
    return df

如果你的条件是多分支的（比如分数>=90是卓越，80-90是优秀，<80是普通），可以改成用np.select的版本：

def add_multi_condition_column(df, condition_col, new_col_name, condition_list, choice_list, default_val='其他'):
    """处理多分支条件的情况"""
    df[new_col_name] = np.select(condition_list, choice_list, default=default_val)
    return df

第二步：批量处理多个DataFrame #

现在你只需要把所有要处理的DataFrame集合起来，循环调用上面的函数就行。有两种常见的批量方式：

方式1：统一规则处理所有DF

如果所有DataFrame都用相同的条件规则（比如都按score列生成level列），直接把DF放在列表里循环：

# 假设你有df1、df2、df3三个要处理的DataFrame
target_dfs = [df1, df2, df3]

# 批量应用规则
for df in target_dfs:
    add_condition_column(
        df=df,
        condition_col='score',
        new_col_name='level',
        condition_rule=lambda x: x > 80,
        true_value='优秀',
        false_value='普通'
    )

方式2：给每个DF单独配置规则

如果每个DF的规则不一样（比如有的按age分组，有的按score评级），可以用字典存每个DF的配置参数：

# 配置字典：key是目标DF，value是对应的参数
df_configs = {
    df1: {
        'condition_col': 'score',
        'new_col_name': 'level',
        'condition_rule': lambda x: x >= 90,
        'true_value': '卓越',
        'false_value': '合格'
    },
    df2: {
        'condition_col': 'age',
        'new_col_name': 'age_group',
        'condition_rule': lambda x: x >= 18,
        'true_value': '成年',
        'false_value': '未成年'
    },
    df3: {
        'condition_col': 'sales',
        'new_col_name': 'performance',
        'condition_rule': lambda x: x > 10000,
        'true_value': '达标',
        'false_value': '未达标'
    }
}

# 循环处理每个DF的配置
for df, params in df_configs.items():
    add_condition_column(df, **params)

为什么你的方法2可能没成功？ #

大概率是因为你没有把可变逻辑参数化，比如直接用了df.apply但硬编码了列名，或者尝试批量赋值但没处理好DF的独立性。上面的函数方案把所有变量都抽出来了，只要传对参数就能正常运行。

后续维护的优势 #

以后如果要修改规则（比如把分数阈值从80改成85），只需要修改函数调用时的condition_rule参数；如果要新增一个DataFrame，只需要把它加到列表或配置字典里就行，完全不用重复写生成新列的核心逻辑。

内容的提问来源于stack exchange，提问作者June