要使上面列出的一些方法正式化：
创建一个对数据框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
然后通过
axis=1选项将其应用于您的数据框：
In [1]: df['C'] = df.apply(f, axis=1)In [2]: dfOut[2]: A B Ca 2 2 0b 3 1 1c 1 3 -1
当然，这不是矢量化的，因此在缩放到大量记录时，性能可能会不佳。不过，我认为它更具可读性。特别是来自SAS背景。
编辑
这是向量化版本
df['C'] = np.where( df['A'] == df['B'], 0, np.where( df['A'] > df['B'], 1, -1))
