你必须解释其中的逻辑。
也就是说，有很多可能的方法。
考虑map的显式Map：

mapper = {1: 0, 2: 0, 3: 1}

df['new'] = df['uid'].map(mapper)

# or
mapper = {0: [1, 2], 1: [3]}

df['new'] = df['uid'].map({k:v for v,l in mapper.items() for k in l})

或者使用1的目标列表，并转换为int

target = [3]

df['new'] = df['uid'].isin(target).astype(int)

输出：

uid  new
0    1    0
1    2    0
2    3    1

如果uid和new之间存在相关性，则可以创建函数来定义uid和new之间的Map

def mapping(value):
    new_value = value // 2
    return new_value

然后

df["new"] = df["uid"].apply(mapping)

或者直接

df["new"] = df["uid"].apply(lambda value: value // 2)

根据3 uid's的关系，我得出了一个关系，可被3整除的uid被分配给1或0。（不确定该关系是否正确，因为您只给出了uid的3个值）
可以应用np.where()-〉np.where(condition, x, y)如果condition满足，则分配值x，否则分配值y

import pandas as pd
import numpy as np
 
df = pd.DataFrame({'uid': [1, 2, 3]})
df["new"] = np.where(df["uid"] % 3 == 0, 1, 0)
print(df)

输出：

uid  new
0    1    0
1    2    0
2    3    1