基于Charge1与Charge2的±5%差异生成Indicator列的技术求助

我来帮你搞定这个需求！其实核心就是把判断逻辑转化为pandas能识别的布尔条件，再用.loc或者numpy.where来赋值，咱们具体来看：

核心判断逻辑 #

要让Charge1处于Charge2的正负5%范围内，等价于Charge1同时满足：

• 大于等于 Charge2 的 95%（Charge2 * 0.95）
• 小于等于 Charge2 的 105%（Charge2 * 1.05）

方法1：使用.loc实现赋值 #

这是你一开始尝试的方法，只要把条件写对就能生效：

import pandas as pd

# 假设你的数据存储在名为df的DataFrame中
# 先初始化Indicator列为空字符串
df['Indicator'] = ''

# 用.loc筛选符合条件的行，设置Indicator为'RFP'
df.loc[
    (df['Charge1'] >= df['Charge2'] * 0.95) & 
    (df['Charge1'] <= df['Charge2'] * 1.05), 
    'Indicator'
] = 'RFP'

⚠️ 注意：这里的&是pandas的逻辑与运算符，每个条件必须用括号单独括起来，否则会触发运算优先级错误。

方法2：用numpy.where一行搞定 #

如果想更简洁，可以用numpy.where函数，它能根据条件直接返回对应的值：

import pandas as pd
import numpy as np

df['Indicator'] = np.where(
    (df['Charge1'] >= df['Charge2'] * 0.95) & (df['Charge1'] <= df['Charge2'] * 1.05),
    'RFP',  # 条件满足时赋值为'RFP'
    ''      # 条件不满足时留空
)

额外注意事项 #

如果你的数据中Charge2存在0值，那0的±5%还是0，此时只有当Charge1也为0时才会被标记为RFP。如果这不符合你的业务需求，可以额外添加排除Charge2 == 0的条件，比如：

df.loc[
    (df['Charge2'] != 0) & 
    (df['Charge1'] >= df['Charge2'] * 0.95) & 
    (df['Charge1'] <= df['Charge2'] * 1.05), 
    'Indicator'
] = 'RFP'

内容的提问来源于stack exchange，提问作者Brian