如何在Python中基于字典规则为Pandas DataFrame新增Result条件判断列？

我来帮你搞定这个需求，核心思路是先给Result列设默认值Yes，再找出那些满足「任意一列匹配字典对应值」的行，把它们的Result改成其他值（这里我用No做示例，你可以根据需要改成别的）。

完整代码实现 #

import pandas as pd
import numpy as np

to_check= {'ColA':'Yes', 'ColB':'Y','ColC':'True'}
df = pd.DataFrame(
    {
        'ID': ['AB01', 'AB02', 'AB03', 'AB04', 'AB05','AB06','AB07','AB08'],
        'ColA': ["Yes","No",np.nan,"No", "Yes", "","", "No"],
        'ColB': ["N","","Y","", "Y", np.nan,"", "N"],
        'ColC': [np.nan,"True","False",np.nan,"False", "True", "",""],
        'Type': [85,98,84,70,50,np.nan,85,74]
    }
)

# 1. 初始化Result列为默认值'Yes'
df['Result'] = 'Yes'

# 2. 创建布尔掩码：判断每行是否有任意一列匹配to_check中的对应值
mask = pd.Series(False, index=df.index)
for col, target_val in to_check.items():
    mask |= (df[col] == target_val)

# 3. 将满足条件的行的Result改为'No'
df.loc[mask, 'Result'] = 'No'

# 查看最终结果
print(df)

代码细节解释 #

• 初始化默认值：直接给新列Result赋值Yes，这是所有行的初始状态。
• 构建匹配掩码：遍历to_check字典的每一组「列名-目标值」，用|=（逻辑或）累加判断结果——只要某一行有任意一列匹配对应目标值，掩码就会标记为True。
• 更新目标行：用loc精准定位到掩码为True的行，把它们的Result值替换成No（你可以根据需求改成其他内容，比如'Invalid'之类的）。

运行后的示例结果 #

最终你会得到包含Result列的完整DataFrame，部分行示例如下：

ID  ColA ColB   ColC  Type Result
0   AB01   Yes    N    NaN  85.0     No
1   AB02    No       True  98.0     No
2   AB03   NaN    Y  False  84.0     No
3   AB04    No          NaN  70.0    Yes
...

注意：空字符串""和np.nan不会与to_check里的目标值匹配，所以这类行的Result会保持默认的Yes。

内容的提问来源于stack exchange，提问作者Fazli