如何在DataFrame中逐行遍历并每次针对两列完成标记操作？

直接上可运行的代码，完全匹配你的需求：

import pandas as pd

cols_dict = {'matr': {0: '18I1', 1: '03I2', 2: '03I3', 3: '18I4', 4: '03I5', 5: '03I6', 6: '03I7', 7: '03I8', 8: '18I9', 9: '18I0'}, 'cat': {0: '3', 1: '3', 2: '3', 3: '3', 4: '3', 5: '18', 6: '3', 7: '3', 8: '3', 9: '3'}, 'Unnamed: 5': {0: 81, 1: 81, 2: 81, 3: 77, 4: None, 5: None, 6: 83, 7: 81, 8: 79, 9: 81}, 'Unnamed: 6': {0: 91, 1: 97, 2: 97, 3: 91, 4: None, 5: 93, 6: 89, 7: 83, 8: 81, 9: 99}, 'Unnamed: 7': {0: 117.0, 1: 115.0, 2: 115.0, 3: 115.0, 4: 115.0, 5: None, 6: 115.0, 7: 115.0, 8: 115.0, 9: 115.0}, 'Unnamed: 8': {0: 123.0, 1: 115.0, 2: 115.0, 3: 115.0, 4: 123.0, 5: 123.0, 6: 125.0, 7: 123.0, 8: 117.0, 9: None}}  

cols_df = pd.DataFrame.from_dict(cols_dict)

# 提取需要检查的数值列（排除首列matr和分类列cat）
target_cols = cols_df.columns[2:]

# 初始化标记列xs
cols_df['xs'] = None

# 将目标列统一转换为数值类型，非数值内容转为NaN
numeric_df = cols_df[target_cols].apply(pd.to_numeric, errors='coerce')

# 标记所有存在非数值的行
cols_df.loc[numeric_df.isna().any(axis=1), 'xs'] = 'X'

# 调整列顺序，匹配示例输出的结构
cols_out_df = cols_df[['matr', 'xs', 'cat'] + list(target_cols)]

# 查看结果
print(cols_out_df.to_dict())

关键步骤说明 #

• 筛选目标列：我们只关注除matr（首列）和cat之外的数值列，这些是需要检查的对象。
• 初始化标记列：先给xs列全部赋值为None，后续仅对符合条件的行进行修改。
• 统一数值转换：用pd.to_numeric把所有目标列转为数值格式，原有的None或无法转成数字的内容会变成NaN，便于统一判断。
• 标记非数值行：通过isna().any(axis=1)找出任意目标列存在非数值的行，给这些行的xs列赋值为'X'。
• 调整列顺序：按照示例输出的列顺序重新排列DataFrame，确保xs列紧跟在matr之后。

运行代码后，得到的cols_out_df与你提供的期望输出完全一致。

内容的提问来源于stack exchange，提问作者Maya_Cent