Pandas是一个功能强大的Python库，用于数据处理和分析。其中之一的常见操作是在DataFrame中添加新的列，并根据某些条件对其进行赋值。在本篇文章中，我们将详细介绍如何使用Pandas新增一列并按条件赋值。

首先，让我们创建一个示例DataFrame：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'], 'Age': [25, 30, 35, 40], 'Gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data) print(df)

输出结果：

Name  Age Gender
0     Alice   25      F
1       Bob   30      M
2   Charlie   35      M
3     David   40      M

我们将向该DataFrame添加一个“Status”列，该列基于以下规则进行赋值：

• 如果年龄小于30岁，则状态为“Young”。
• 如果年龄在30到40岁之间，则状态为“Middle”。
• 如果年龄大于等于40岁，则状态为“Old”。

让我们使用Pandas实现这个需求。

方法1：使用apply方法

我们可以使用Pandas的apply()方法将自定义函数应用于DataFrame中的每一行。接下来，我们将编写一个名为get_status()的函数，该函数接受年龄作为输入，并返回相应的状态。然后，我们将调用apply()方法，以将get_status()函数应用于DataFrame中的每一行。

def get_status(age): if age < 30: return 'Young' elif age >= 30 and age <= 40: return 'Middle' else: return 'Old' # 使用apply方法新增一列并按条件赋值 df['Status'] = df['Age'].apply(get_status) print(df)

输出结果：

Name  Age Gender  Status
0     Alice   25      F   Young
1       Bob   30      M  Middle
2   Charlie   35      M  Middle
3     David   40      M     Old

因此，我们已经成功地向DataFrame中添加了一个新列，并根据给定的条件对其进行赋值。

方法2：使用numpy.where方法

除了使用apply()方法外，我们还可以使用NumPy库中的where()函数将条件应用于整个DataFrame，并为满足该条件的行分配值。

import numpy as np # 使用np.where方法新增一列并按条件赋值 df['Status'] = np.where(df['Age'] < 30, 'Young', 
                        np.where(df['Age'] <= 40, 'Middle', 'Old')) print(df)

输出结果与上面相同。这种方法可以更快速地计算，特别是在对大型数据集进行操作时。

总结

本文介绍了两种在Pandas中新增一列并按条件赋值的方法。第一种方法是使用apply()方法，它非常直观且易于理解。第二种方法使用NumPy的where()函数，可以更快速地计算，但可能需要一些时间来适应语法。无论您选择哪种方法，都可以根据需要轻松地为Pandas DataFrame添加新列并根据指定条件对其进行赋值。

想快速入门Python数据分析？这门课程适合你！

如果你对Python数据分析感兴趣，但不知从何入手，推荐你学习《山有木兮：Python数据分析极简入门》。这门课程专为初学者设计，内容简洁易懂，手把手教你掌握Python数据分析的核心技能，助你轻松迈出数据分析的第一步。

学习入口：https://edu.cda.cn/goods/show/3429?targetId=5724&preview=0

开启你的Python数据分析之旅，从入门到精通，只需一步！