Python：基于条件一次性向DataFrame多列插入值含乘积计算

没问题，这事儿用Pandas的向量化操作就能轻松搞定，不用折腾循环～结合你的示例数据一步步来：

首先先把你的示例DataFrame写出来方便演示：

import pandas as pd

df = pd.DataFrame({
    'val1': [3,4,2,3,2],
    'val2': [1,2,2,1,2],
    'val3': [1,1,3,1,1],
    'col1': ['something', 'sth else', 'something', 'sth else', 'something']
})

先回顾你已经实现的普通字符串插入 #

假设你已经用掩码完成了普通字符串插入，比如给col1为something的行插入固定字符串到新列new_col1，代码大概是这样：

# 定义掩码条件
mask_something = df['col1'] == 'something'

# 插入普通字符串
df.loc[mask_something, 'new_col1'] = 'matched_string'

重点：插入多列的乘积到目标列 #

现在要给满足掩码的行插入val1*val2*val3的乘积，直接用loc定位掩码行，然后计算对应列的乘积赋值就行，这里给你三种常用方法：

方法1：直接逐列相乘（适合列数少的场景）

# 给满足mask_something的行插入val1、val2、val3的乘积到new_col_product
df.loc[mask_something, 'new_col_product'] = df.loc[mask_something, 'val1'] * df.loc[mask_something, 'val2'] * df.loc[mask_something, 'val3']

方法2：用prod()方法（更适合多列场景）

如果需要乘积的列很多，一个个写乘法太麻烦，用prod(axis=1)可以直接计算每行的乘积：

df.loc[mask_something, 'new_col_product'] = df.loc[mask_something, ['val1', 'val2', 'val3']].prod(axis=1)

方法3：用np.where统一处理（保留其他行的默认值）

如果想给不满足掩码的行设置默认值（比如NaN），可以用np.where一次性完成赋值：

import numpy as np

df['new_col_product'] = np.where(mask_something, df['val1']*df['val2']*df['val3'], np.nan)

最终效果 #

运行完上面的代码后，你的DataFrame会变成这样：

原理很简单：Pandas的向量化操作会自动逐行计算乘积，loc会精准定位到满足掩码的行赋值，完全不会影响其他行的数据～

内容的提问来源于stack exchange，提问作者MaMo