在Pandas DataFrame中基于多逻辑条件新增列的最优实现方法

嘿，针对这个新增列的需求，**numpy.select()**是最优的解决方案，尤其是当你的DataFrame数据量较大时，它的效率比逐行处理的方法高得多！

具体实现步骤： #

1. 先导入需要的库：

import pandas as pd
import numpy as np

2. 创建你的示例DataFrame：

df = pd.DataFrame({'A': [1, 2], 'B': [2, 2], 'C': [3, 3], 'D': [4, 4]})

3. 定义条件列表和对应的取值列表：

# 定义判断条件
conditions = [
    (df['A'] > df['B']) & (df['B'] > df['C']),
    (df['A'] < df['B']) & (df['B'] < df['C'])
]
# 对应条件的输出值
choices = [1, 2]

4. 使用numpy.select()新增目标列（这里命名为'E'）：

df['E'] = np.select(conditions, choices, default=3)

为什么这是最优方法？ #

• 它是向量化操作，底层基于C语言实现，处理速度远快于df.apply()这类逐行遍历的方法，在大数据量场景下（比如十万、百万行），两者的效率差距会非常明显。
• 代码结构清晰，条件和对应取值一一对应，可读性强，后期修改或扩展条件也很方便。

补充：不推荐的低效方法（仅作对比） #

如果用apply()实现，代码虽然也能跑，但效率极低，数据量大时会严重拖慢处理速度：

def get_target_value(row):
    if row['A'] > row['B'] and row['B'] > row['C']:
        return 1
    elif row['A'] < row['B'] and row['B'] < row['C']:
        return 2
    else:
        return 3

df['E'] = df.apply(get_target_value, axis=1)

这种方法会逐行遍历每一条数据，本质是Python层面的循环，性能远不如向量化操作。

内容的提问来源于stack exchange，提问作者Terry