基于阈值为DataFrame新增列：达标取t1/t2/t3值，否则取t4

问题背景 #

现有如下DataFrame：

需要新增一列Criteria，规则为：

• 若t1、t2、t3中任意一列的值≥阈值（示例为5），返回该列的对应值（多列满足时取最先出现的列的值）
• 若三列均不满足条件，则返回t4的值

预期结果：

用户尝试的代码仅筛选出满足条件的行，无法实现完整需求：

group = ["t1", "t2", "t3"]
df2 = df[(df[group] >= 5).any(axis=1)]

解决方法 #

方法1：逐列优先级覆盖（高效适合大数据集） #

通过numpy.where从后往前依次覆盖，保证先出现的列优先级更高：

import numpy as np
import pandas as pd

group = ["t1", "t2", "t3"]
threshold = 5

# 初始值设为t4
df['Criteria'] = df['t4']
# 从后往前遍历，满足条件则替换为当前列的值
for col in reversed(group):
    df['Criteria'] = np.where(df[col] >= threshold, df[col], df['Criteria'])

方法2：逐行检查（逻辑直观适合小数据集） #

用apply逐行遍历，按顺序判断每列是否符合条件：

threshold = 5

def get_criteria(row):
    for col in ["t1", "t2", "t3"]:
        if row[col] >= threshold:
            return row[col]
    return row['t4']

df['Criteria'] = df.apply(get_criteria, axis=1)

方法3：掩码+填充（简洁写法） #

通过掩码将不满足条件的值转为NaN，再按行向前填充取第一个有效列，最后用t4兜底：

group = ["t1", "t2", "t3"]
threshold = 5

# 生成掩码：将小于阈值的元素转为NaN
temp_df = df[group].mask(df[group] < threshold)
# 按行向前填充取第一个非NaN值，无有效值则用t4填充
df['Criteria'] = temp_df.ffill(axis=1).iloc[:, 0].fillna(df['t4'])

内容的提问来源于stack exchange，提问作者Hotone