基于行内数值创建Pandas新列的实现及报错解决

错误原因分析 #

你写的代码报错是因为两个核心问题：

1. axis参数方向错误：apply指定axis=0是按列处理数据，此时lambda里的x是单列的Series，索引是行号而非列名，用x[cols]会找不到对应索引，触发KeyError。
2. 行逻辑判断失误：需求是判断每行中任意date_开头的列是否满足条件，必须按行处理（axis=1），且不需要用cols索引x——因为axis=1时x就是当前行的Series，索引就是cols里的列名。

正确实现代码 #

方法1：使用apply（适合小数据集）

先筛选目标列，再按行判断是否有任意列满足0-5的条件：

cols = [col for col in df.columns if 'date_' in col]
df['new_col'] = df[cols].apply(lambda x: "Yes" if ((x >= 0) & (x <= 5)).any() else "No", axis=1)

方法2：向量化操作（更高效，适合大数据集）

用Pandas的向量化判断替代apply，性能提升明显：

cols = [col for col in df.columns if 'date_' in col]
# 生成每行的满足条件的掩码矩阵
condition_mask = (df[cols] >= 0) & (df[cols] <= 5)
# 对掩码按行取任意满足项，并映射为Yes/No
df['new_col'] = condition_mask.any(axis=1).map({True: 'Yes', False: 'No'})

效果验证 #

假设你的DataFrame示例如下：

date_0  date_1  other_col
0       3       6          10
1      -1       2           5
2       7       8           3

运行代码后new_col结果为：

0    Yes
1    Yes
2     No

完全符合需求：只要行内任意date_列数值在0-5之间就标记Yes，否则标记No。

内容的提问来源于stack exchange，提问作者lala345