Pandas技术实现：如何按特定规则生成布尔值新列？

原代码问题分析 #

你当前的循环逻辑存在覆盖赋值的问题：每遍历一列就会重新设置boost_prev的值，最终结果只由最后一列的判断决定，这就是为什么第一行明明有1.0，但boost_prev却被设为False（因为最后一列是0.0 <1）。此外，循环处理列的方式在列数增多时效率极低，不符合Pandas的向量化操作原则。

向量化实现方案 #

利用Pandas的向量化方法，无需循环即可高效完成判断，完美匹配你的三个规则：

import pandas as pd
import numpy as np

# 假设handicap_test_cols是你的目标DataFrame
# 1. 判断每行是否存在1
has_one = handicap_test_cols.isin([1]).any(axis=1)
# 2. 判断每行是否全为0
all_zero = handicap_test_cols.eq(0).all(axis=1)
# 3. 按规则生成Boosted列
handicap_test_cols['Boosted'] = np.select(
    [has_one, all_zero],
    [True, np.nan],
    default=False
)

逻辑说明 #

• has_one：检查每行任意一列是否包含1，返回布尔序列
• all_zero：检查每行所有列是否都是0，返回布尔序列
• np.select：按顺序匹配条件，优先匹配has_one（设为True），其次匹配all_zero（设为NaN），剩下的情况（只有-1和0且不全为0）设为False

验证示例 #

用你提供的测试数据验证：

wk_handicap0  wk_handicap1 Boosted
0             1.0           0.0    True
194           0.0           0.0     NaN
# 假设有一行是[-1, 0]，Boosted会是False

内容的提问来源于stack exchange，提问作者Nathan Pared