如何基于可变列表在多列上迭代替代矢量化if/else逻辑？

我明白你想要替换掉矢量化的np.where写法，改用循环来逐行检查ID和ID2列是否匹配ltlist里的ID值。下面是实现这个需求的代码，完全用循环来处理：

import pandas as pd

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

# 初始化LT列默认值为0
df['LT'] = 0

# 遍历每一行进行匹配检查
for idx, row in df.iterrows():
    # 先检查ID列是否在ltlist中
    if row['ID'] in ltlist:
        df.at[idx, 'LT'] = row['ID']
    # ID不匹配的话，检查ID2列
    elif row['ID2'] in ltlist:
        df.at[idx, 'LT'] = row['ID2']
    # 都不匹配就保持0（已经初始化过，这步可以省略，写出来更清晰）
    else:
        df.at[idx, 'LT'] = 0

print(df)

代码解释： #

• 首先把原始字典转换成DataFrame，方便逐行处理
• 先给LT列全部设为默认值0，避免后续重复赋值
• 用iterrows()遍历每一行，获取行索引idx和当前行数据row
• 按照需求的优先级：先判断ID是否在目标列表ltlist中，匹配就把LT设为当前ID的值；如果不匹配，再判断ID2，匹配就设为ID2的值；都不匹配就保持0

运行这段代码后，输出结果和你期望的完全一致：

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

另外提个小优化：如果ltlist的元素很多，把它转换成集合ltlist_set = set(ltlist)再做判断会更快，因为集合的in操作时间复杂度是O(1)，列表是O(n)。修改后的判断部分可以写成：

ltlist_set = set(ltlist)
for idx, row in df.iterrows():
    if row['ID'] in ltlist_set:
        df.at[idx, 'LT'] = row['ID']
    elif row['ID2'] in ltlist_set:
        df.at[idx, 'LT'] = row['ID2']

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