本文将介绍如何使用 Python 的 Pandas 库在 DataFrame 中基于现有列的条件判断创建新的列。我们将通过 .loc 方法，结合条件表达式，高效地为新列赋值。同时，我们将展示如何优化代码，避免冗余判断，使代码更加简洁易懂。通过本文的学习，你将掌握在数据分析中常用的条件列创建技巧。
使用 .loc 方法进行条件赋值
Pandas 提供的 .loc 方法是进行条件赋值的强大工具。它可以根据指定的行和列标签，对 DataFrame 中的数据进行修改。结合条件表达式，我们可以轻松地根据现有列的值来创建新的列。
以下是一个示例，演示如何创建一个名为 "New Field" 的新列，如果 "Field 1" 列的值等于 "Field 2" 列的值，则 "New Field" 列的值为 "Yes"，否则为 "No"。
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame(
{'Field 1': [1, 2, 3], 'Field 2': [1, 4, 3]}
)
# 使用 .loc 进行条件赋值
df.loc[df['Field 1'] == df['Field 2'], 'New Field'] = 'Yes'
df.loc[df['Field 1'] != df['Field 2'], 'New Field'] = 'No'
print(df)这段代码首先创建了一个包含 "Field 1" 和 "Field 2" 两列的 DataFrame。然后，使用 .loc 方法，根据条件 df['Field 1'] == df['Field 2']，将满足条件的行的 "New Field" 列的值设置为 "Yes"。接着，再次使用 .loc 方法，根据条件 df['Field 1'] != df['Field 2']，将不满足条件的行的 "New Field" 列的值设置为 "No"。
优化代码：避免冗余判断
上述代码虽然可以实现目标，但存在一定的冗余。我们可以通过先初始化新列的值，然后只更新满足特定条件的行，来简化代码。
以下是优化后的代码：
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame(
{'Field 1': [1, 2, 3], 'Field 2': [1, 4, 3]}
)
# 初始化新列的值
df['New Field'] = 'No'
# 定义条件
cond = df['Field 1'] == df['Field 2']
# 根据条件更新新列的值
df.loc[cond, 'New Field'] = 'Yes'
print(df)这段代码首先将 "New Field" 列的所有值初始化为 "No"。然后，定义一个条件 cond，用于判断 "Field 1" 列的值是否等于 "Field 2" 列的值。最后，使用 .loc 方法，只更新满足条件的行的 "New Field" 列的值为 "Yes"。
这种方法避免了两次使用 .loc 方法，使代码更加简洁高效。
总结
本文介绍了如何使用 Pandas 的 .loc 方法在 DataFrame 中基于条件判断创建新的列。通过结合条件表达式和 .loc 方法，我们可以轻松地实现复杂的条件赋值操作。同时，我们还展示了如何优化代码，避免冗余判断，使代码更加简洁易懂。
注意事项：
- 确保条件表达式的正确性，避免出现逻辑错误。
- .loc 方法的第一个参数是行标签，第二个参数是列标签。
- 可以使用多个条件组合，例如使用 & (与) 和 | (或) 运算符。
- 在处理大型 DataFrame 时，可以使用 numpy.where 函数来提高性能。
掌握这些技巧，可以让你在数据分析中更加高效地处理数据，并为后续的分析和建模打下坚实的基础。
