根据 if-elif-else 条件创建新列

对于这种特殊的关系，您可以使用 np.sign:

>>> df["C"] = np.sign(df.A - df.B)
>>> df
A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

使上述一些办法正式化:

创建一个对数据框架的行进行操作的函数，如下所示:

def f(row):
if row['A'] == row['B']:
val = 0
elif row['A'] > row['B']:
val = 1
else:
val = -1
return val

然后将其应用到传入 axis=1选项的数据帧:

In [1]: df['C'] = df.apply(f, axis=1)


In [2]: df
Out[2]:
A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

当然，这不是向量化的，因此当扩展到大量记录时，性能可能不会那么好。尽管如此，我还是认为它更具可读性。特别是有特种部队背景的。

剪辑

这是矢量化的版本

df['C'] = np.where(
df['A'] == df['B'], 0, np.where(
df['A'] >  df['B'], 1, -1))

df.loc[df['A'] == df['B'], 'C'] = 0
df.loc[df['A'] > df['B'], 'C'] = 1
df.loc[df['A'] < df['B'], 'C'] = -1

易于解决使用索引。第一行代码读起来是这样的，如果列 A等于列 B，那么创建并设置列 C等于0。

假设上面的一个是你的原始数据框架，你想添加一个新的列’旧’

如果年龄大于50岁，那么我们认为年龄大 = 否则是错误的

步骤1: 获取年龄大于50的行的索引

row_indexes=df[df['age']>=50].index < br > < br > 第二步: 使用. loc，我们可以为 column < br > < br > 赋一个新值 df.loc[row_indexes,'elderly']="yes"

50岁以下人士同样适用

row_indexes=df[df['age']<50].index < br > < br > df[row_indexes,'elderly']="no"