Python 有没有一种方法可以在熊猫身上做到这一点而不使用循环？

开始时我的df：

A   B   C   D
A1  1   0   True
A2  1   0   False
A3  1   0   True

输出（不再需要D列）：

---

因此，对于df中的每一行，如果D中为真，则将B的值增加1，否则将C的值增加1。

您可以使用创建新的

df

，并将其添加到原始数据的子集：

df[['B','C']] = df[['B','C']] + pd.concat([df['D'], ~df['D']], 1, keys=['B','C'])
print (df)
    A  B  C      D
0  A1  2  0   True
1  A2  1  1  False
2  A3  2  0   True

或使用

loc

：

df.loc[df['D'], 'B'] +=  1
df.loc[~df['D'], 'C'] +=  1
print (df)
    A  B  C      D
0  A1  2  0   True
1  A2  1  1  False
2  A3  2  0   True

或使用和：

最后删除列：

df = df.drop('D', axis=1)
print (df)
    A  B  C
0  A1  2  0
1  A2  1  1
2  A3  2  0

---

在这里提问时显示现有代码被认为是一种很好的形式。@IanS:谢谢你让我知道这一点。我将从下一次开始关注这一点。谢谢：）如果输入是这样的话，这不会给出正确的输出：dict3={'A'：['A'，'b'，'c'，'b'：[1,0,0]，'c'：[0,0,1]，'D'：[True，False，False]}如果输入是这样的话，这不会给出正确的输出：dict3={'A'：['A'，'b'，'c'，'b'：[1,0,0]，'c'：[0,0,1]，'D'：[True，False，False]}。我得到的输出是这样的：`abcd0a20true 1b01false 2c02false`但预期的输出是`abcd0a20true 1b01错误2 c 0错误1感谢您的评论。我有点困惑，因为问题是

如果D中有True，那么将B的值增加1，否则将C的值增加1。

这正是我的答案。但是你的输出是不同的，你能解释更多吗？或者遗漏了什么？我的意思是，如果每行D中有一个真值，那么增加B（同一行）的值，或者增加C（同一行）的值。我不明白-第一行是真的，所以B从1变为2。在第二行中，False，C是从0更改为1，在最后一行中，False，所以在C 1中更改为2。这是错的吗？

df['B'] = df['B'] + df['D']
df['C'] = df['C'] + (~df['D'])

print (df)
    A  B  C      D
0  A1  2  0   True
1  A2  1  1  False
2  A3  2  0   True

df = df.drop('D', axis=1)
print (df)
    A  B  C
0  A1  2  0
1  A2  1  1
2  A3  2  0