如何在Pandas中根据ID是否在指定列表生成新列LT？

嘿，我来帮你搞定这个数据处理需求！用iterrows逐行循环确实不是最优做法——Pandas提供了更简洁、性能更好的向量式操作来完成这个逻辑，完全不用逐行遍历。

先明确你的需求： #

• 现有DataFrame org，包含ID列
• 列表ltlist = [1,2,3,4,5]
• 新建LT列：若ID值在ltlist中，则取对应ID值；否则赋值为0

方法一：用numpy.where（最直观的向量式操作） #

一行代码就能搞定，逻辑清晰又高效：

import pandas as pd
import numpy as np

# 初始化你的数据
org = pd.DataFrame({'ID': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]})
ltlist = [1, 2, 3, 4, 5]

# 创建LT列
org['LT'] = np.where(org['ID'].isin(ltlist), org['ID'], 0)

解释：

• org['ID'].isin(ltlist)会生成一个布尔序列，标记每个ID是否在目标列表中
• np.where()根据这个布尔序列选择取值：满足条件时取ID值，不满足时取0

方法二：Pandas条件赋值（分步操作，逻辑更直白） #

如果你更喜欢分步拆解操作，也可以这样写：

# 先把LT列初始化为ID的值
org['LT'] = org['ID']
# 把不在ltlist中的ID对应的LT值设为0
org.loc[~org['ID'].isin(ltlist), 'LT'] = 0

解释：

• ~符号用来对布尔序列取反，~org['ID'].isin(ltlist)就是“ID不在ltlist中”的条件
• loc用来精准定位满足条件的行，直接修改LT列的对应值

为什么不推荐用iterrows？ #

iterrows是逐行遍历DataFrame，当数据量较大时，这种方法的性能会差得离谱——向量式操作是Pandas的核心优势，它在底层用C语言实现计算，速度比逐行循环快几个数量级。

内容的提问来源于stack exchange，提问作者Tim Scongack