如何用Pandas新增responder列，按指定events列范围标记y/n

核心代码实现 #

import pandas as pd

# 模拟你的原始DataFrame
data = {
    'Animal_ID': ['a1', 'a2', 'a3', 'a4'],
    'weight': [50, 52, 75, 53],
    'Project': ['p1', 'p2', 'p1', 'p2'],
    'Exp_type': ['Acute', 'chronic', 'Acute', 'chronic'],
    'researcher': ['alex', 'mat', 'alex', 'mat'],
    'events_d1': [0, 0, 1, 0],
    'events_d2': [0, 1, pd.NA, pd.NA],
    'events_d3': [0, 1, 2, pd.NA],
    'events_d4': [4, 5, pd.NA, 0]
}
df = pd.DataFrame(data)

# 1. 先填充缺失值（原数据里的空白单元格会被识别为缺失值，不处理会影响判断）
target_events = df.filter(regex='events_d[1-3]').fillna(0)

# 2. 批量判断每行是否有大于0的值，生成responder列
df['responder'] = target_events.gt(0).any(axis=1).map({True: 'y', False: 'n'})

print(df)

分步说明 #

• 批量选列：用df.filter(regex='events_d[1-3]')直接匹配events_d1、events_d2、events_d3，比先选所有events_d列再删除events_d4更直接，也符合你要求的批量选择逻辑。
• 缺失值处理：原数据里的空白单元格在Pandas中是缺失值（NaN/pd.NA），直接判断会出错，所以用fillna(0)把空值替换成0，确保数值判断准确。
• 生成标记列：gt(0)将每个单元格与0比较，返回布尔值；any(axis=1)检查每行是否存在至少一个True（即有值大于0）；最后用map把布尔值转成y/n。

运行结果 #

Animal_ID  weight Project Exp_type researcher  events_d1  events_d2  events_d3  events_d4 responder
0        a1      50      p1    Acute       alex          0        0.0        0.0        4.0         n
1        a2      52      p2  chronic        mat          0        1.0        1.0        5.0         y
2        a3      75      p1    Acute       alex          1        0.0        2.0        NaN         y
3        a4      53      p2  chronic        mat          0        0.0        0.0        0.0         n

内容的提问来源于stack exchange，提问作者Pietro