如何为DataFrame新增key_name列，填入符合code行条件的列名？

我来帮你搞定这个需求，咱们一步步拆解来做：

首先明确核心规则：给现有DataFrame新增一列key_name，要求：

• 除code行外，每行找同时满足两个条件的列：该行该列值为1，且code行对应列值也为1
• 找到符合条件的列就填入列名，找不到填nan
• code行本身的key_name直接填nan

方法一：用apply逐行处理（直观易懂，适合小数据集） #

假设你的DataFrame变量名为df，代码如下：

import pandas as pd

# 第一步：提取code行中值为1的列的掩码（标记哪些列是有效候选）
code_mask = df.loc['code'] == 1

# 第二步：定义处理每行的函数
def get_key_name(row):
    # 跳过code行，直接返回空值
    if row.name == 'code':
        return pd.NA
    # 筛选当前行中满足条件的列名
    matched_columns = row[(row == 1) & code_mask].index
    # 有匹配列就取最后一个（和你例子里行4的结果一致；要取第一个就换[0]）
    return matched_columns[-1] if len(matched_columns) > 0 else pd.NA

# 第三步：新增key_name列
df['key_name'] = df.apply(get_key_name, axis=1)

方法二：向量化处理（效率更高，适合大数据集） #

如果你的数据量较大，逐行处理会偏慢，推荐用向量化方法提升速度：

import pandas as pd

# 提取code行的有效列掩码
code_mask = df.loc['code'] == 1

# 生成布尔矩阵，标记每个位置是否满足双条件
matches = (df == 1) & code_mask

# 找到每行最后一个匹配的列名，无匹配则填NA
df['key_name'] = matches.idxmax(axis=1).where(matches.any(axis=1), pd.NA)

# 单独设置code行的key_name为NA
df.loc['code', 'key_name'] = pd.NA

结果说明 #

运行代码后就能得到你期望的结果：

• 行1的Q111满足双条件，key_name为Q111
• 行2的Q570、Q7891虽为1，但code行对应列是0，所以返回nan
• 行3的Info583按规则应该返回列名，你给出的期望结果是nan可能是笔误，可根据实际需求调整逻辑
• 行4的Q111和Info583都满足条件，代码取最后一个，所以key_name为Info583，和你的例子一致

内容的提问来源于stack exchange，提问作者Ouhla