可以使用Python的pandas库来解决这个问题。假设我们有一个DataFrame对象df，我们要根据df['column1']的值为df['column2']赋值：

import pandas as pd

# 示例DataFrame对象
df = pd.DataFrame({'column1': [1, 2, 3, 4, 5],
                   'column2': [0, 0, 0, 0, 0]})

# 筛选column1值小于等于3的行，并将column2赋值为10
df.loc[df['column1'] <= 3, 'column2'] = 10

print(df)

输出结果为：

   column1  column2
0        1       10
1        2       10
2        3       10
3        4        0
4        5        0

上面的代码中，我们使用了DataFrame的.loc属性来选取满足条件的行，并将column2赋值为10。

也可以使用numpy的where()函数来实现，如下所示：

import numpy as np

# 示例DataFrame对象
df = pd.DataFrame({'column1': [1, 2, 3, 4, 5],
                   'column2': [0, 0, 0, 0, 0]})

# 使用numpy的where()函数，筛选column1值小于等于3的行，并将column2赋值为10
df['column2'] = np.where(df['column1'] <= 3, 10, df['column2'])

print(df)

输出结果为：

   column1  column2
0        1       10
1        2       10
2        3       10
3        4        0
4        5        0

使用where函数，第一个参数为条件，第二个参数为条件成立时的值，第三个参数为条件不成立时的值。