如何基于多条件为Pandas DataFrame高效生成Result列？

需求说明 #

给定包含多列（示例为3列，实际50列）的DataFrame，需生成新列result，规则如下：

• 若该行任意列包含'nok'，则result = 'nok'
• 若该行无'nok'但任意列包含'deact'，则result = 'deact'
• 其余情况result = 'ok'

高效实现代码 #

由于涉及50列，必须采用矢量化操作（底层C实现，避免Python循环开销），代码如下：

import pandas as pd
import numpy as np

# 构造示例数据
data = [
    ['ok', 'ok', 'ok'],
    ['ok', 'nok', 'nok'],
    ['deact', 'ok', 'ok'],
    ['deact', 'ok', 'nok'],
]
df = pd.DataFrame(data, columns=['col1', 'col2', 'col3'])

# 1. 矢量化判断每行是否存在'nok'
has_nok = df.eq('nok').any(axis=1)
# 2. 矢量化判断每行是否存在'deact'
has_deact = df.eq('deact').any(axis=1)

# 3. 嵌套条件生成result列
df['result'] = np.where(has_nok, 'nok', 
                        np.where(has_deact, 'deact', 'ok'))

结果验证 #

执行后DataFrame的result列符合预期：

效率说明 #

• df.eq('xxx')快速生成布尔值DataFrame，批量匹配所有列的目标值
• .any(axis=1)沿行方向判断是否存在匹配值，时间复杂度为O(n)（n为列数）
• 全程无Python层面的循环，处理50列时效率远高于逐行遍历

内容的提问来源于stack exchange，提问作者Koke Abeke