Pandas -如何将多个条件列添加到dataframe？

在Pandas中，如果你想要根据多个条件向DataFrame添加新的列，你可以使用.apply()方法结合lambda函数，或者直接在DataFrame上使用布尔索引。以下是两种常见的方法：

方法一：使用 .apply() 和 lambda 函数

假设我们有一个DataFrame df，并且我们想要基于列 A 和 B 的值添加一个新的列 C。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4], 'B': [10, 20, 30, 40]}
df = pd.DataFrame(data)

# 使用apply方法和lambda函数添加新列
df['C'] = df.apply(lambda row: '条件满足' if row['A'] > 2 and row['B'] < 30 else '条件不满足', axis=1)

print(df)

在这个例子中，我们检查每一行，如果列 A 的值大于2且列 B 的值小于30，则新列 C 的值为 '条件满足'，否则为 '条件不满足'。

方法二：使用布尔索引

布尔索引是一种更直接的方法，它可以让你基于一个或多个条件快速过滤DataFrame。

# 使用布尔索引添加新列
df['C'] = '条件不满足'
df.loc[(df['A'] > 2) & (df['B'] < 30), 'C'] = '条件满足'

print(df)

在这个例子中，我们首先将所有行的新列 C 设置为 '条件不满足'，然后使用布尔索引将满足条件的行的新列 C 设置为 '条件满足'。

应用场景

这种方法在数据处理和分析中非常有用，尤其是在你需要根据某些规则对数据进行分类或标记时。例如，在金融数据分析中，你可能需要根据多个财务指标来标记公司的健康状况；在电子商务中，你可能需要根据用户的购买历史和浏览行为来预测他们的购买意向。

注意事项

• 当使用布尔索引时，条件之间使用 & 表示逻辑与，使用 | 表示逻辑或，使用 ~ 表示逻辑非。
• 在使用 .apply() 方法时，axis=1 表示沿着行的方向应用函数。

通过这两种方法，你可以根据多个条件灵活地向DataFrame添加新列。