如何在Pandas中对额外列迭代执行向量化if/else语句？

这里有两种简洁的实现方式，都能精准满足你的需求——优先保留ID列匹配ltlist的非0值，仅当LT列初始为0时，才检查ID2列并填入符合条件的值：

方法1：分步更新（可读性更强） #

先基于ID列初始化LT列，再针对LT为0的行进行二次判断，逻辑清晰易懂：

import pandas as pd, numpy as np

ltlist = [1, 2]
org = {'ID': [1, 3, 4, 5, 6, 7], 'ID2': [3, 4, 5, 6, 7, 2]}
df = pd.DataFrame(org)  # 先转成DataFrame方便操作
ltlist_set = set(ltlist)

# 第一步：用ID列初始化LT列，匹配则填ID，否则填0
df['LT'] = np.where(df['ID'].isin(ltlist_set), df['ID'], 0)

# 第二步：对LT为0的行，检查ID2是否在集合中，符合则替换为ID2的值
update_mask = (df['LT'] == 0) & df['ID2'].isin(ltlist_set)
df.loc[update_mask, 'LT'] = df.loc[update_mask, 'ID2']

print(df)

方法2：嵌套np.where（一行式） #

如果你偏好更紧凑的写法，可以用嵌套的np.where直接完成多层逻辑判断：

import pandas as pd, numpy as np

ltlist = [1, 2]
org = {'ID': [1, 3, 4, 5, 6, 7], 'ID2': [3, 4, 5, 6, 7, 2]}
df = pd.DataFrame(org)
ltlist_set = set(ltlist)

df['LT'] = np.where(
    df['ID'].isin(ltlist_set),  # 优先判断ID列
    df['ID'],
    # ID不匹配时，判断ID2列，匹配则填ID2，否则填0
    np.where(df['ID2'].isin(ltlist_set), df['ID2'], 0)
)

print(df)

输出结果 #

两种方法都会得到你期望的输出：

ID  ID2  LT
0   1    3   1
1   3    4   0
2   4    5   0
3   5    6   0
4   6    7   0
5   7    2   2

核心逻辑说明 #

• 优先级明确：只要ID在ltlist集合中，LT就直接取ID的值，不会被后续逻辑覆盖
• 兜底判断：仅当ID不匹配（即LT初始为0）时，才检查ID2列；如果ID2符合条件则替换LT值，否则保持0

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