如何用Pandas对比DataFrame行内列值并生成指定新列？

示例数据 #

首先定义示例DataFrame：

import pandas as pd
import numpy as np

df1 = pd.DataFrame([["A", "B"], ["C", "D"], [np.nan, "A"], ["B", np.nan], [np.nan, np.nan], ["E", "E"]], columns=["col1", "col2"])

核心规则回顾 #

生成新列col3的规则：

• 两列值不同且均非NaN → 选择指定列（示例中为col1）
• 其中一列是NaN → 选择非NaN值
• 两列值相等 → 任选其一（示例中选col1）
• 两列均为NaN → 保留NaN

方法一：简洁版（利用where处理空值） #

如果指定列为col1，直接用where优先取col1，空值时取col2，刚好覆盖所有规则：

df1['col3'] = df1['col1'].where(df1['col1'].notna(), df1['col2'])

验证结果：col3的值为['A', 'C', 'A', 'B', np.nan, 'E']，完全符合期望。

方法二：修正np.select逻辑 #

针对你之前用np.select踩的NaN判断坑，改用isna()/notna()明确空值条件，按优先级排列规则：

conditions = [
    # 两列均非空且值不同 → 选col1
    (df1['col1'].notna() & df1['col2'].notna() & (df1['col1'] != df1['col2'])),
    # col1非空、col2为空 → 选col1
    (df1['col1'].notna() & df1['col2'].isna()),
    # col1为空、col2非空 → 选col2
    (df1['col1'].isna() & df1['col2'].notna()),
    # 两列值相等（含均非空相等）→ 选col1
    (df1['col1'] == df1['col2'])
]

choices = [
    df1['col1'],
    df1['col1'],
    df1['col2'],
    df1['col1']
]

df1['col3'] = np.select(conditions, choices, default=np.nan)

这个方法把所有规则拆解为明确条件，适合需要调整规则优先级或指定列的场景。

方法三：combine_first+条件判断 #

先用combine_first处理空值和相等的情况，再单独覆盖“两列不同选指定列”的规则：

# 先处理空值和相等情况：优先取col1，空值时取col2
temp_col = df1['col1'].combine_first(df1['col2'])
# 筛选两列均非空且值不同的行，强制替换为col1
mask = df1['col1'].notna() & df1['col2'].notna() & (df1['col1'] != df1['col2'])
df1['col3'] = np.where(mask, df1['col1'], temp_col)

关键注意点 #

• 永远不要直接用==或!=判断NaN，因为np.nan == np.nan返回False，会导致逻辑错误，必须用isna()（判断为空）或notna()（判断非空）。

内容的提问来源于stack exchange，提问作者antusystem