如何使用Pandas根据指定多列的求和结果为DataFrame目标列赋值

这需求用Pandas的向量化操作就能轻松搞定，完全不用写低效的循环，下面给你两种靠谱的实现方式：

方法一：用numpy.where快速赋值 #

这种方法一步到位，逻辑清晰，适合直接生成结果：

import pandas as pd
import numpy as np

# 初始化你的DataFrame
df1 = pd.DataFrame({ 
    'YE': [342233.58, 254571.80, 2980.53, 0, 4469.02, 5951.07], 
    'Q1': [346233.58, -24571.80, 2970.53, 0, 4469.02, 5951.07], 
    'Q2': [346233.58, -24571.80, 2970.53, 0, 4469.02, 5951.07], 
    'Q3': [346233.58, -24571.80, 2970.53, 0, 4469.02, 5951.07], 
    'Q4': [346233.58, -24571.80, 2970.53, 0, 4469.02, 5951.07], 
    'INFO': ['', '', '', '', '', '']
})

# 定义需要计算和的目标列
target_cols = ['YE', 'Q1', 'Q2', 'Q3', 'Q4']
# 计算每行的目标列总和（axis=1表示按行求和）
row_sums = df1[target_cols].sum(axis=1)

# 根据总和是否为0赋值INFO列
df1['INFO'] = np.where(row_sums == 0, 'not ok', 'ok')

方法二：用Pandasloc分步骤赋值 #

如果觉得numpy.where不够直观，也可以先统一赋值再修正，逻辑同样清晰：

# 先给所有行的INFO列设为'ok'
df1['INFO'] = 'ok'
# 找到总和为0的行，把它们的INFO改成'not ok'
df1.loc[row_sums == 0, 'INFO'] = 'not ok'

额外提醒：浮点精度问题 #

如果你的实际数据存在浮点计算误差（比如不是像示例里这么规整的数值），直接用row_sums == 0可能会因为精度问题误判，这时候建议用np.isclose来判断是否接近0：

df1['INFO'] = np.where(np.isclose(row_sums, 0), 'not ok', 'ok')

内容的提问来源于stack exchange，提问作者toerag