基于多条件（含空值与分类值）创建DataFrame新变量

嘿，我懂你现在的困扰——要基于SL_Local和SL_State两列的几十种组合规则生成新列SL，普通的if/else链写起来不仅繁琐，后期维护也麻烦。这里有几个实用的方案，你可以根据自己的场景选：

这个方法把所有条件和对应结果一一列出，可读性强，而且运行效率比apply高很多，适合处理大型DataFrame。你只需要把20种规则依次添加到条件和结果列表里就行：

import pandas as pd
import numpy as np

# 示例DataFrame（你可以替换成自己的数据）
df = pd.DataFrame({
    'SL_Local': ['D', np.nan, 'X', 'D', 'Y'],
    'SL_State': ['I', 'A', 'B', 'B', 'C']
})

# 定义条件列表：每个元素是一个布尔Series，对应一种规则
conditions = [
    # 规则1：SL_Local为空时，SL取SL_State
    df['SL_Local'].isna(),
    # 规则2：SL_Local为D且SL_State为I时，SL取D
    (df['SL_Local'] == 'D') & (df['SL_State'] == 'I'),
    # 规则3：可以继续添加你的其他组合，比如：
    # (df['SL_Local'] == 'X') & (df['SL_State'] == 'B'),
    # (df['SL_Local'] == 'Y') & (df['SL_State'] == 'C'),
    # ... 把剩下的17+种规则都加在这里
]

# 定义结果列表：和上面的条件一一对应，每个元素是满足条件时的SL值
results = [
    df['SL_State'],
    'D',
    # 'X',
    # 'CustomResult',
    # ... 对应上面的结果
]

# 设置默认值：如果所有条件都不满足，这里可以根据需求调整，比如取SL_Local
default_value = df['SL_Local']

# 生成新列SL
df['SL'] = np.select(conditions, results, default=default_value)

优势：逻辑清晰，添加/修改规则只需要在两个列表里加一行，运行速度快，适合大数据集。

如果你的20种规则都是明确的(SL_Local, SL_State)组合对应固定SL值，用字典来映射会非常直观：

# 构建规则字典：key是(SL_Local, SL_State)的元组，value是对应的SL结果
rule_dict = {
    (np.nan, 'A'): 'A',          # SL_Local为空且SL_State为A时取A
    ('D', 'I'): 'D',             # SL_Local=D且SL_State=I时取D
    ('X', 'B'): 'X',             # 自定义规则
    ('Y', 'C'): 'CustomResult',  # 自定义规则
    # ... 继续添加剩下的组合规则
}

# 定义函数来匹配规则
def get_sl_value(row):
    # 先处理SL_Local为空的通用规则
    if pd.isna(row['SL_Local']):
        return row['SL_State']
    # 查字典，找不到匹配的话默认返回SL_Local（可以根据需求改默认）
    return rule_dict.get((row['SL_Local'], row['SL_State']), row['SL_Local'])

# 生成新列
df['SL'] = df.apply(get_sl_value, axis=1)

优势：规则一目了然，像查字典一样直观，适合规则都是明确组合的场景；缺点是apply在处理超大数据集时速度不如numpy.select。

如果你用的是pandas 2.1及以上版本，可以用case_when方法，语法和SQL的CASE WHEN非常像，可读性拉满：

# pandas 2.1+支持该方法
df['SL'] = df.case_when(
    df['SL_Local'].isna(), df['SL_State'],
    (df['SL_Local'] == 'D') & (df['SL_State'] == 'I'), 'D',
    # 继续添加你的其他规则，格式是：条件, 结果
    # (df['SL_Local'] == 'X') & (df['SL_State'] == 'B'), 'X',
    # ...
    default=df['SL_Local']
)

优势：语法贴近自然语言，写起来像写SQL逻辑，非常好懂；同样适合大数据量，效率和numpy.select差不多。

内容的提问来源于stack exchange，提问作者LMGagne