如何为Pandas DataFrame多列添加匹配标记函数？

原始DataFrame #

import pandas as pd

lst_1 = ['November-2022', 'October-2022', 'September-2022', 'November-2022']
lst_2 = ['', '', '', '']
lst_3 = ['', '', '', '']
lst_4 = ['', '', '', '']

df1 = pd.DataFrame(list(zip(lst_1 , lst_2, lst_3, lst_4)),
              columns =['Date_updated', 'November-2022', 'October-2022', 'September-2022'])

目标DataFrame #

lst_1 = ['November-2022', 'October-2022', 'September-2022', 'November-2022']
lst_2 = ['x', '', '', 'x']
lst_3 = ['', 'x', '', '']
lst_4 = ['', '', 'x', '']

df2 = pd.DataFrame(list(zip(lst_1 , lst_2, lst_3, lst_4)),
              columns =['Date_updated', 'November-2022', 'October-2022', 'September-2022'])

原代码问题分析 #

1. 列名大小写错误：原DataFrame列名是Date_updated，但代码中误写为Date_Updated，导致无法正确取值
2. 逻辑判断错误：add_tick函数中判断r['Date_Updated'] == r[i]，但r[i]初始是空字符串，永远不会和日期值相等，应该判断当前列名是否等于该行的Date_updated值
3. 重复处理问题：循环lst_date时包含重复日期，会对同一列重复赋值，覆盖之前的结果

可行解决方法 #

方法1：修正apply函数逻辑 #

# 获取需要处理的日期列（排除Date_updated）
date_cols = [col for col in df1.columns if col != 'Date_updated']

def mark_x(row):
    # 遍历所有日期列，匹配则标记'x'，否则留空
    for col in date_cols:
        if row['Date_updated'] == col:
            row[col] = 'x'
    return row

df2 = df1.apply(mark_x, axis=1)

方法2：向量化操作（更高效） #

对于大数据量，逐行apply效率较低，推荐用向量化方法：

# 遍历每个日期列，判断该行Date_updated是否等于列名，是则赋值'x'，否则为空字符串
for col in df1.columns[1:]:
    df1[col] = df1['Date_updated'].apply(lambda x: 'x' if x == col else '')

df2 = df1.copy()

方法3：使用pd.get_dummies简化 #

# 生成虚拟变量矩阵，替换1为'x'、0为空字符串
dummy_df = pd.get_dummies(df1['Date_updated'])
# 对齐原DataFrame的日期列顺序
dummy_df = dummy_df[df1.columns[1:]]
# 合并回原日期列
df2 = pd.concat([df1['Date_updated'], dummy_df.replace({1: 'x', 0: ''})], axis=1)

内容的提问来源于stack exchange，提问作者astonle