Python DataFrame：特定列出现指定值时填充Sample ID列

我是Python新手，正在用它进行数据整理。我有一个如下结构的DataFrame：

Sample ID  A  B  C  D  E
0             0  0  2  9  1
1             0  3  0  9  0
2             0  0  0 10  0
3             4  0  0 10  1
4             0  3  0 10  1

我希望排除D列，当其他列（A、B、C、E）出现非0数值时，将对应的列名用“+”连接后填充到Sample ID列，期望结果如下：

Sample ID  A  B  C  D  E
0     C + E   0  0  2  9  1
1         B   0  3  0  9  0
2             0  0  0 10  0
3     A + E   4  0  0 10  1
4     B + E   0  3  0 10  1

实际处理的是包含126行、13列的大型DataFrame，存在各种数值组合。尝试过多列If-Else条件但未成功，没理清针对特定列和值的实现逻辑，求高效解决方法。

高效实现思路：布尔掩码+行级列名筛选 #

不需要复杂的多条件嵌套，用Pandas的向量化操作就能快速完成，完全适配大型数据集：

1. 先排除不需要判断的列（D列和Sample ID列），确定需要检查的目标列
2. 生成布尔掩码，标记目标列中符合条件（这里是非0）的位置
3. 对每一行，筛选出掩码为True的列名，用“+”连接
4. 将拼接结果直接赋值回Sample ID列

具体代码如下：

import pandas as pd

# 构造示例数据（实际使用时替换为你的数据读取逻辑，比如pd.read_csv）
data = {
    'Sample ID': ['', '', '', '', ''],
    'A': [0, 0, 0, 4, 0],
    'B': [0, 3, 0, 0, 3],
    'C': [2, 0, 0, 0, 0],
    'D': [9, 9, 10, 10, 10],
    'E': [1, 0, 0, 1, 1]
}
df = pd.DataFrame(data)

# 1. 指定要排除的列，获取目标列列表
exclude_cols = ['Sample ID', 'D']
target_cols = [col for col in df.columns if col not in exclude_cols]

# 2. 生成布尔掩码：判断目标列的值是否非0（可根据需求修改条件，比如>2、==5等）
mask = df[target_cols] != 0

# 3. 逐行筛选符合条件的列名并拼接，填充到Sample ID
df['Sample ID'] = mask.apply(lambda row: ' + '.join(row[row].index), axis=1)

print(df)

关键说明 #

• 效率优先：向量化的掩码运算比循环每行快数倍，完全能处理126行的数据集
• 灵活适配：如果你的“特定数值”不是非0，只需把!=0改成对应条件（比如>3、==10）即可
• 通用性强：不管有多少列，只要调整exclude_cols就能适配你的13列数据

运行代码后输出结果和期望完全一致，且逻辑清晰易维护。

内容的提问来源于stack exchange，提问作者Trine Hansen