Pandas是Python中最流行的數據分析工具之一，它提供了高效、靈活和易于使用的數據結構和操作函數。其中一個重要的功能就是可以根據多個列的判斷條件生成新的列，本文將介紹如何在pandas中實現這種操作。

什么是條件生成新列？
首先，讓我們來看一下什么是條件生成新列。在數據分析中，我們經常需要根據某些條件對數據進行分類或標記。例如，在一個銷售訂單數據集中，我們可能需要根據訂單金額和支付狀態生成一個新的列，用于標記該訂單是否已被支付。在這種情況下，我們需要使用兩個列的值來決定新列的值。

在pandas中，我們可以通過使用apply()函數和lambda表達式來實現這種功能。下面是一個簡單的示例，演示了如何在pandas中將兩個列的值相加，并將結果存儲在一個新列中：

import pandas as pd # 創建一個包含兩個列的DataFrame data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data) # 使用apply()函數和lambda表達式將兩個列相加，并將結果存儲在一個新列中 df['new_col'] = df.apply(lambda x: x['col1'] + x['col2'], axis=1) # 打印DataFrame print(df)
輸出結果：

col1  col2  new_col
0     1     4        5
1     2     5        7
2     3     6        9
在這個示例中，我們創建了一個包含兩個列的DataFrame，并使用apply()函數和lambda表達式將這兩列相加，并將結果存儲在一個新列中。lambda表達式接受一個參數x，該參數是一個Series對象，包含DataFrame中一行的所有值。通過指定axis=1參數，我們可以確保apply()函數對每行應用lambda表達式。

如何根據條件生成新列？
現在讓我們來看一下如何在pandas中根據條件生成新列。假設我們有一個包含訂單數據的DataFrame，其中包含以下幾列：訂單編號、訂單日期、訂單金額和支付狀態。我們想要根據訂單金額和支付狀態生成一個新列，用于標記每個訂單是否已經完成。

首先，我們需要定義一個函數，該函數接受一個Row對象作為參數，并返回一個字符串，表示訂單的狀態。具體而言，在我們的示例中，如果訂單金額大于等于100并且支付狀態為“paid”，則訂單狀態為“completed”；否則訂單狀態為“incomplete”。下面是實現這個功能的代碼：

def get_order_status(row): if row['order_amount'] >= 100 and row['payment_status'] == 'paid': return 'completed' else: return 'incomplete' 
接下來，我們使用apply()函數和lambda表達式將該函數應用于每個DataFrame行，并將結果存儲在一個新列中。下面是完整的示例代碼：

import pandas as pd # 創建一個包含訂單數據的DataFrame data = {'order_no': [1, 2, 3], 'order_date': ['2022-01-01', '2022-01-02', '2022-01-03'], 'order_amount': [50, 150, 200], 'payment_status': ['unpaid', 'paid', 'paid']}
df = pd.DataFrame(data) # 定義一個函數，根據條件返回訂單狀態 def get_order_status(row): if row['order_amount'] >= 100 and row['payment_status'] == 'paid': return 'completed' else: return 'incomplete' # 使用apply()函數和lambda表達式生成新列 df['order_status'] = df.apply(lambda x: get_order_status(x), axis=1) # 打
印DataFrame print(df)

輸出結果：
order_no order_date order_amount payment_status order_status 0 1 2022-01-01 50 unpaid incomplete 1 2 2022-01-02 150 paid completed 2 3 2022-01-03 200 paid completed

在這個示例中，我們首先創建了一個包含訂單數據的DataFrame，并定義了一個函數`get_order_status()`，用于根據條件返回訂單狀態。然后，我們使用`apply()`函數和lambda表達式將該函數應用于每個DataFrame行，并將結果存儲在一個新列中。

需要注意的是，在本例中，我們使用了一些簡單的條件來判斷訂單狀態。如果你需要處理更復雜的條件，可能需要使用更多的邏輯和操作符。此外，還可以使用pandas提供的其他函數和方法來實現條件生成新列的功能，例如`where()`、`mask()`和`numpy.where()`等。 ## 總結 通過本文，我們了解了如何在pandas中根據兩列的判斷條件生成新的列。我們學習了如何使用`apply()`函數和lambda表達式來實現這種功能，以及如何定義一個自定義函數來處理更復雜的條件。這些技術可以幫助我們更有效地處理和分析數據，并為數據分析和可視化提供更多的靈活性和控制性。

推薦學習書籍
《CDA一級教材》適合CDA一級考生備考，也適合業務及數據分析崗位的從業者提升自我。完整電子版已上線CDA網校，累計已有10萬+在讀~

免費加入閱讀：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0