Pandas新增eligible条件列遇KeyError:False，求正确实现方案

错误原因分析 #

你的代码出现KeyError: False是因为语法错误：lastYear_sale['Low_Balance_Flag'==0]这部分中，'Low_Balance_Flag'==0会先被计算为布尔值False，你实际上在尝试访问DataFrame中名为False的列，而该列不存在，导致报错。正确的写法应该是lastYear_sale['Low_Balance_Flag'] == 0，将条件放在列索引外部。

修正原始代码（仅适用于少量列） #

即使修正语法，你的原始逻辑也只覆盖了部分情况（比如只考虑了两个列同时为0或同时为1的情况），无法正确处理“任意一个列为1则eligible为0”的需求。针对示例数据，修正后的代码如下：

import pandas as pd
import numpy as np

data = {'ID':['a', 'b', 'c', 'd'],
        'Low_Balance_Flag':[1, 0, 1, 0], 'another_Flag':[0,0,1,1]}
dfr = pd.DataFrame(data)

# 修正语法后的条件：所有标记列都为0时eligible=1，否则为0
conditions = [(dfr['Low_Balance_Flag'] == 0) & (dfr['another_Flag'] == 0)]
choices = [1]
dfr['eligible'] = np.select(conditions, choices, default=0)
print(dfr)

但这种写法对于20个标记列来说非常繁琐，需要逐一写所有列的==0并通过&连接，极易出错。

高效可扩展的解决方案 #

针对“任意一个标记列为1则eligible=0，全部为0则eligible=1”的需求，更简洁且可扩展的方法是利用行方向的聚合操作：

方法1：求和判断

标记列的和大于0意味着至少有一个列是1，此时eligible为0；和为0则所有列都是0，eligible为1：

# 定义所有标记列的列表（替换为你的20个列名）
flag_columns = ['Low_Balance_Flag', 'another_Flag']

# 按行求和，判断是否为0，转换为整数（True→1，False→0）
dfr['eligible'] = (dfr[flag_columns].sum(axis=1) == 0).astype(int)

方法2：全为0判断

直接检查所有标记列是否都为0，转换为整数：

dfr['eligible'] = (dfr[flag_columns] == 0).all(axis=1).astype(int)

示例输出 #

运行上述任意一种方法，得到的结果与你的期望一致：

ID  Low_Balance_Flag  another_Flag  eligible
0  a                 1             0         0
1  b                 0             0         1
2  c                 1             1         0
3  d                 0             1         0

内容的提问来源于stack exchange，提问作者user13948