基于多列值创建新列：DataFrame按条件生成列d的需求

问题需求 #

需要为DataFrame生成列d，规则如下：

• 若列a含数值且b、c列为空，d填'a'
• 若列b含数值且a、c列为空，d填'b'
• 若列c含数值且a、b列为空，d填'c'
• 若a、b列均含数值且c列为空，d填'ab'
• 若a、c列均含数值且b列为空，d填'ac'
• 若b、c列均含数值且a列为空，d填'bc'
• 若a、b、c列均含数值，d填'abc'

现有代码的问题 #

当前代码存在两个核心问题：

1. 逻辑覆盖不全：用elif只会匹配第一个满足的条件，无法处理多列同时有值的场景（比如a和b都有值时，代码只会返回'a'，不符合规则4）。
2. 未判断其他列的空值状态：代码仅判断当前列是否>=1，但没验证其他列是否为空，完全不符合需求里的“仅某列/某几列有值，其余为空”的前提。

正确解法 #

方法1：自定义逐行处理函数（直观易读） #

这种方法逻辑清晰，适合小规模数据集：

import pandas as pd

# 模拟你的DataFrame（可替换为实际数据）
df = pd.DataFrame({
    'a': [1, None, 2, 3, None, None, 4],
    'b': [None, 5, 6, None, 7, 8, 9],
    'c': [None, None, None, 10, 11, 12, 13]
})

def get_col_d(row):
    # 标记各列是否有有效数值
    a_valid = not pd.isna(row['a'])
    b_valid = not pd.isna(row['b'])
    c_valid = not pd.isna(row['c'])
    
    # 按规则匹配返回值
    if a_valid and not b_valid and not c_valid:
        return 'a'
    elif b_valid and not a_valid and not c_valid:
        return 'b'
    elif c_valid and not a_valid and not b_valid:
        return 'c'
    elif a_valid and b_valid and not c_valid:
        return 'ab'
    elif a_valid and c_valid and not b_valid:
        return 'ac'
    elif b_valid and c_valid and not a_valid:
        return 'bc'
    elif a_valid and b_valid and c_valid:
        return 'abc'
    return ''  # 全为空时的默认值，可按需修改

df['d'] = df.apply(get_col_d, axis=1)
print(df)

方法2：向量化操作（高效适合大数据集） #

用numpy.select实现向量化判断，避免逐行循环，效率更高：

import pandas as pd
import numpy as np

# 模拟你的DataFrame（可替换为实际数据）
df = pd.DataFrame({
    'a': [1, None, 2, 3, None, None, 4],
    'b': [None, 5, 6, None, 7, 8, 9],
    'c': [None, None, None, 10, 11, 12, 13]
})

# 生成各列的非空掩码
mask_a = df['a'].notna()
mask_b = df['b'].notna()
mask_c = df['c'].notna()

# 定义条件列表和对应结果
conditions = [
    mask_a & ~mask_b & ~mask_c,
    mask_b & ~mask_a & ~mask_c,
    mask_c & ~mask_a & ~mask_b,
    mask_a & mask_b & ~mask_c,
    mask_a & mask_c & ~mask_b,
    mask_b & mask_c & ~mask_a,
    mask_a & mask_b & mask_c
]

results = ['a', 'b', 'c', 'ab', 'ac', 'bc', 'abc']

# 生成列d
df['d'] = np.select(conditions, results, default='')
print(df)

内容的提问来源于stack exchange，提问作者hxgx_0990