Python中为DataFrame生成薪资标记列异常：结果全为high

问题根源 #

你这段代码的核心问题是循环中错误地对整列赋值，导致每次迭代都覆盖了所有行的flag值。

咱们拆解下你的代码逻辑：

for i in test1['salary']:
    if i > 200:
        test1['flag']='high'
    elif i < 200:
        test1['flag']='low'

每次循环你拿到的是salary列的单个值，但赋值时直接操作了整个test1['flag']列——这意味着每一次循环都会把所有行的flag改成当前i对应的结果。你的DataFrame最后一行的salary是500（大于200），所以循环结束后，整列都被最后一次的赋值覆盖成了'high'。

推荐解决方法 #

针对这种条件生成列的需求，Pandas和NumPy有更高效简洁的实现，完全没必要用循环：

方法1：用numpy.where（最推荐，性能最优）

这是处理二元条件列的标准写法，代码简洁且运行速度远快于循环：

import numpy as np
test1['flag'] = np.where(test1['salary'] > 200, 'high', 'low')

np.where会逐行判断salary > 200的条件，满足返回'high'，不满足返回'low'，完美匹配你的规则。

方法2：用DataFrame.apply（适合复杂逻辑扩展）

如果之后需要添加更复杂的判断规则（比如多区间、多字段联动），可以用apply逐行处理：

test1['flag'] = test1['salary'].apply(lambda x: 'high' if x > 200 else 'low')

这里用lambda函数对每个salary值做判断，返回对应的flag结果。

方法3：修复循环写法（仅用于理解逻辑，不推荐生产环境）

如果你想保留循环的思路，需要通过索引定位到具体行赋值，避免整列覆盖：

# 先初始化空的flag列
test1['flag'] = ''
# 遍历每行的索引和salary值
for idx, salary_val in test1['salary'].items():
    if salary_val > 200:
        test1.loc[idx, 'flag'] = 'high'
    else:
        test1.loc[idx, 'flag'] = 'low'

这种写法能实现需求，但数据量大时性能会很差，所以优先用前两种方法。

最终效果 #

处理后你的DataFrame会得到正确的flag列：

policyID  salary        line   flag
0    119736     100  Residential    low
1    206893    1000  Commercial   high
2    172534      70  Residential    low
3    785275     500  Residential   high

内容的提问来源于stack exchange，提问作者Sandy