Pandas基于其他列条件添加列：三种实现方式的优劣选择

你提到的这三种实现方式都能顺利生成is_rich列，但它们在效率、可读性和适用场景上各有不同，下面给你逐个拆解：

方法1：使用np.where() #

df['is_rich_method1'] = np.where(df['salary']>=50, 'yes', 'no')

• 这是向量化操作，底层依托NumPy和Pandas的原生向量化运算，处理大型数据集（比如百万级以上行）时速度远超其他两种方法，是效率最高的选择。
• 代码简洁直观，一行就能完成条件判断与赋值，可读性拉满，团队协作时别人一眼就能看懂逻辑。
• 适用场景：绝大多数常规业务场景，尤其是数据量较大时，优先选它准没错。

方法2：列表推导式 #

df['is_rich_method2'] = ['yes' if x >= 50 else 'no' for x in df['salary']]

• 本质是Python层面的循环遍历，效率远低于向量化操作，数据量越大，和方法1/3的速度差距越明显。
• 唯一的优势是如果你的条件逻辑异常复杂（比如多层嵌套的判断），用Python的条件表达式写起来可能比np.where更灵活，但这种复杂场景其实更推荐用自定义函数结合向量化，而非列表推导。
• 适用场景：仅适合小数据集的临时测试，或者快速验证逻辑的时候，不建议在生产环境的大数据集上使用。

方法3：先赋默认值再用loc更新 #

df['is_rich_method3'] = 'no'
df.loc[df['salary'] > 50,'is_rich_method3'] = 'yes'

• 属于分步式操作，逻辑非常清晰：先给所有行设置默认值，再精准定位符合条件的行进行更新。
• 效率上和方法1持平（底层也是向量化操作），但代码行数稍多一点。
• 适用场景：当你需要分多次更新不同条件的列值时（比如先设默认值，再给A条件设为'yes'，再给B条件设为'maybe'），这种分步方式会比嵌套多层np.where更易读、更易维护。

优先级总结 #

1. 首选方法1（np.where）：兼顾效率和可读性，90%的场景都能完美适配。
2. 复杂多条件分步更新场景，选方法3。
3. 方法2仅作为小数据量临时方案，不推荐大规模使用。

内容的提问来源于stack exchange，提问作者Rutger Hofste