如何在不使用NumPy的情况下为DataFrame添加多条件判断列'is_good'

当然可以不用NumPy搞定这个需求！你只需要在原有的列表推导式基础上，同时加入对value2列的判断逻辑就行，或者用apply函数实现更直观的行级判断，两种方法都很简单。

方法1：扩展列表推导式（推荐，速度更快） #

你之前的列表推导式只处理了单列，现在用zip()把value和value2两列的元素一一配对，就能同时判断两个条件了：

df['is_good'] = [1 if (1 <= x <= 6) and (5 <= y <= 10) else 0 for x, y in zip(df['value'], df['value2'])]

这里的x对应每一行value列的值，y对应同一行value2列的值，只有当两个范围条件同时满足时，才会标记为1，否则为0。这种方法的优势是执行效率高，适合处理较大的数据集。

方法2：使用apply函数（可读性更强） #

如果觉得列表推导式的条件写在一起有点拥挤，可以用apply函数按行处理，逻辑更清晰：

def judge_good(row):
    # 同时判断两个列的范围条件
    if (1 <= row['value'] <= 6) and (5 <= row['value2'] <= 10):
        return 1
    else:
        return 0

# axis=1表示按行应用函数
df['is_good'] = df.apply(judge_good, axis=1)

这种方式把判断逻辑封装成了单独的函数，后续如果要修改条件，直接改函数里的判断语句就行，维护起来更方便。

小提醒：要确保value和value2列都是数值类型（比如int或float），不然可能会出现条件判断失效的情况哦。

内容的提问来源于stack exchange，提问作者Min