Pandas遍历DataFrame列表实现动态阈值筛选报错问询

一、报错原因分析 #

报错“No axis named columns for object type Series”是因为误将Series当作DataFrame调用了需要axis='columns'的方法，比如对Series执行drop(axis='columns')或sum(axis='columns')这类操作——Series只有行轴（axis=0），不存在列轴，因此触发该错误。

二、需求实现代码 #

1. 示例数据准备 #

先定义匹配预期结果的测试数据：

import pandas as pd

# 示例df1数据
df1 = pd.DataFrame({
    'ID': ['A', 'B', 'C'],
    'i_f': [0.96, 0.94, 0.97],
    'r_f1': [0.25, 0.35, 0.28],
    'r_f2': [0.29, 0.32, 0.27],
    'r_f3': [0.45, 0.47, 0.44]
})

# 示例df2数据
df2 = pd.DataFrame({
    'ID': ['A', 'C', 'D', 'E', 'F'],
    'i_f': [0.95, 0.96, 0.97, 0.93, 0.95],
    'r_f1': [0.32, 0.34, 0.29, 0.31, 0.35],
    'r_f2': [0.33, 0.32, 0.28, 0.33, 0.36],
    'r_f3': [0.48, 0.49, 0.45, 0.47, 0.50]
})

2. 核心逻辑实现 #

# 处理第一个DataFrame df1
df1['f_f'] = (
    (df1['i_f'] >= 0.95) &
    (df1['r_f1'] <= 0.3) &
    (df1['r_f2'] <= 0.3) &
    (df1['r_f3'] <= 0.46)
).astype(int)

# 获取前序合格ID集合
qualified_ids = set(df1[df1['f_f'] == 1]['ID'])

# 处理后续DataFrame df2
# 分别定义前序合格ID和普通ID的阈值条件
cond_qualified = (
    (df2['i_f'] >= 0.95) &
    (df2['r_f1'] <= 0.3333) &
    (df2['r_f2'] <= 0.3333) &
    (df2['r_f3'] <= 0.49)
)

cond_other = (
    (df2['i_f'] >= 0.95) &
    (df2['r_f1'] <= 0.3) &
    (df2['r_f2'] <= 0.3) &
    (df2['r_f3'] <= 0.46)
)

# 根据ID归属选择对应条件生成f_f列
df2['f_f'] = df2['ID'].isin(qualified_ids).map(lambda x: cond_qualified if x else cond_other).astype(int)

3. 结果验证 #

运行代码后：

• df1的f_f列结果为[1, 0, 1]，符合预期
• df2的f_f列结果为[1, 1, 1, 0, 0]，符合预期

三、关键注意事项 #

• 区分Series与DataFrame：操作前确认对象类型，避免对Series调用仅适用于DataFrame的列轴方法
• 多条件组合规则：用&（按位与）连接条件，每个条件需用括号包裹，避免优先级冲突
• 简化分支写法：也可使用np.where替代映射逻辑，代码更简洁：

import numpy as np

df2['f_f'] = np.where(
    df2['ID'].isin(qualified_ids),
    cond_qualified.astype(int),
    cond_other.astype(int)
)

内容的提问来源于stack exchange，提问作者Silvia