Python：从DataFrame按指定列名取值，无匹配时取err列值

嘿，我来帮你搞定这个DataFrame的取值需求！先把你的示例数据用代码还原出来，方便后续测试：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [10, 20, 30, 40],
    'C': [100, 200, 300, 400],
    'err': ['x', 'y', 'z', 'q'],
    'col': ['A', 'C', 'D', 'B']
})

接下来分两种场景给你实用方案：

方案1：直观逐行处理（适合小数据集） #

如果你的数据量不大，用apply逐行判断是最容易理解的方式，逻辑和你描述的完全一致：

def fetch_result(row):
    target_col = row['col']
    # 检查目标列是否存在于DataFrame中
    if target_col in df.columns:
        return row[target_col]
    else:
        return row['err']

df['result'] = df.apply(fetch_result, axis=1)

运行后就能得到你想要的结果：

方案2：向量化高效处理（适合大数据集） #

如果你的数据集很大，逐行循环的apply效率会比较低，这时候用向量化操作能大幅提升速度：

# 先把所有列的数值整理成一个字典，键是列名，值是对应列的Series
col_mapping = {col: df[col] for col in df.columns}
# 用map匹配列名对应的数值，匹配不到的用err列填充
df['result'] = df['col'].map(col_mapping).fillna(df['err'])

这个方法完全避免了循环，执行效率更高，最终结果和方案1完全一致。

两种方案各有优势：小数据选方案1（好理解、易调试），大数据选方案2（速度快、性能优）。

内容的提问来源于stack exchange，提问作者Bartek Nowakowski