如何在Pandas DataFrame中检测行内指定列的特定值并生成标记列？

嘿，我来帮你搞定这个需求！其实完全不用纠结.iterrows()或者.apply()的复杂写法，Pandas有更简洁高效的向量化操作，既能实现需求，又比逐行处理快得多。

方法一：精准匹配指定值 #

我们可以直接检查目标列中是否存在你指定的两个骨折描述，然后按行判断是否有任意一列符合条件，最后转成0/1的整数格式：

import pandas as pd

# 先构造你的原始DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charles'],
    'age_5_9': ['no bones broken', 'no bones broken', 'no bones broken'],
    'age_10_14': ['no bones broken', 'broke 2 bones', 'no bones broken'],
    'age_15_19': ['broke 1 bone', 'no bones broken', 'no bones broken']
}
df = pd.DataFrame(data)

# 定义需要匹配的骨折值列表
broken_cases = ['broke 1 bone', 'broke 2 bones']

# 新增broke_a_bone列：检查每行的目标列是否有匹配值，转成整数
df['broke_a_bone'] = df[['age_5_9', 'age_10_14', 'age_15_19']].isin(broken_cases).any(axis=1).astype(int)

# 输出结果
print(df)

运行这段代码后，你就能得到想要的DataFrame：

方法二：灵活匹配包含关键词的内容 #

如果以后可能出现更多类似的骨折描述（比如broke 3 bones），可以用字符串包含判断，只要列值里有broke就判定为骨折：

df['broke_a_bone'] = df[['age_5_9', 'age_10_14', 'age_15_19']].apply(lambda col: col.str.contains('broke')).any(axis=1).astype(int)

这里的.apply()是针对列的批量操作，比逐行遍历的.iterrows()效率高很多。

为什么不推荐.iterrows()？ #

.iterrows()是逐行遍历DataFrame，在数据量较大的时候会非常慢，而Pandas的向量化操作（比如.isin()、.str.contains()）是基于numpy的底层实现，性能能提升几十甚至上百倍，所以优先用向量化方法哦！

内容的提问来源于stack exchange，提问作者Lindeby