如何按行缩减Pandas DataFrame，提取True值对应列名

这问题我之前处理类似需求时也碰到过，其实不用纠结lambda里绑定外部变量的问题，有几种简洁高效的方法能直接实现你的需求：

方法一：使用apply结合行Series的索引 #

这是最直观的方法，利用apply按行处理，每一行作为一个Series，直接筛选出值为True的元素对应的列名：

import pandas as pd
import numpy as np

# 构造原DataFrame
df = pd.DataFrame(np.array([[True,False], [True,True], [False,True]]),columns=['x','y'])

# 生成目标列
df['z'] = df.apply(lambda row: row[row].index.tolist(), axis=1)

# 提取需要的结果DataFrame
df_out = df[['z']]

原理说明： #

• 设置axis=1时，apply会逐行处理，lambda的参数row是当前行的Series对象
• row[row]会自动筛选出当前行中值为True的元素
• 再通过.index获取这些元素对应的原列名，最后用.tolist()转成列表格式

方法二：矢量化遍历（更高效，适合大数据集） #

如果你的DataFrame行数很多，apply的效率会偏低，推荐用这种基于数组的矢量化方法，直接操作底层的数值数组：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.array([[True,False], [True,True], [False,True]]),columns=['x','y'])

# 遍历每行布尔值数组，索引列名生成列表
df_out = pd.DataFrame({
    'z': [df.columns[row].tolist() for row in df.values]
})

原理说明： #

• df.values返回原DataFrame的二维布尔数组，遍历每一行的布尔值
• 用布尔行数组直接索引df.columns，就能得到当前行所有True对应的列名
• 最后将这些列名转成列表，构造成新的DataFrame

关于你之前的困惑： #

你提到无法在lambda中访问原DataFrame的列，其实根本不需要特意绑定外部变量——不管是用方法一中的行Series索引，还是方法二中直接调用df.columns，都能轻松获取到原列名，不用额外做绑定操作～

内容的提问来源于stack exchange，提问作者kfmfe04