如何在Pandas DataFrame中按非零值数量生成标签列？

你原来用max(axis=1)的思路只取每行最大值，没法区分单非零和多非零的行，自然达不到需求。要实现目标，核心是先判断每行非零值的个数，再针对性赋值。

步骤分解： #

• 计算每行非零值的数量：用df.ne(0).sum(axis=1)，ne(0)把非零元素转为True，求和后得到每行非零值的个数。
• 提取单非零行的数值：用df.where(df.ne(0)).sum(axis=1)，where会把零值替换为NaN，求和后只剩那个非零值（NaN不参与求和）。
• 条件赋值：用np.where判断，非零数量等于1时取对应值，否则赋值0。

完整代码： #

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 0, 0, 0, 0, 1, 0, 0, 0],
                   'B': [2, 2, 0, 0, 2, 0, 0, 0, 4],
                   'C': [0, 0, 3, 3, 0, 0, 0, 3, 2],
                   'D': [0, 0, 0, 4, 4, 0, 4, 0, 0],
                   'E': [0, 0, 0, 0, 0, 0, 0, 0, 5]})

# 统计每行非零值数量
non_zero_count = df.ne(0).sum(axis=1)
# 提取单非零行的数值
single_non_zero_val = df.where(df.ne(0)).sum(axis=1)
# 生成label列
df['label'] = np.where(non_zero_count == 1, single_non_zero_val, 0)

运行结果： #

A  B  C  D  E  label
0  1  2  0  0  0      0
1  0  2  0  0  0      2
2  0  0  3  0  0      3
3  0  0  3  4  0      0
4  0  2  0  4  0      0
5  1  0  0  0  0      1
6  0  0  0  4  0      4
7  0  0  3  0  0      3
8  0  4  2  0  5      0

结果完全符合需求：单非零值的行（如索引1、2、5等）label取对应数值，多非零值的行label为0。

内容的提问来源于stack exchange，提问作者rayan