如何在Pandas DataFrame中实现多列条件判断生成结果列

先看你的DataFrame定义：

import pandas as pd
import numpy as np

a =  {'Col1': [0,1,1,0],
      'Col2': [0,1,0,1]}
df = pd.DataFrame(data = a)

方法1：用np.select处理多条件（最清晰） #

np.select可以一次性定义多组条件与对应结果，比嵌套np.where更直观：

# 定义条件列表
conditions = [
    (df['Col1'] == 1) & (df['Col2'] == 1),
    (df['Col1'] == 1) & (df['Col2'] == 0),
    (df['Col1'] == 0) & (df['Col2'] == 1),
    (df['Col1'] == 0) & (df['Col2'] == 0)
]
# 对应结果列表
results = [
    'col1 + col2',
    'col1',
    'col2',
    'other'
]

# 生成result列
df['result'] = np.select(conditions, results)

这种方式条件与结果一一对应，后续新增条件也方便维护。

方法2：用apply逐行处理（适合列数多的场景） #

如果后续要增加更多列，不想写大量固定条件判断，可以用apply遍历每行，动态获取符合条件的列名：

def get_result(row):
    # 筛选值为1的列名并转为小写
    matched_cols = [col.lower() for col in row.index if row[col] == 1]
    if len(matched_cols) == 0:
        return 'other'
    elif len(matched_cols) == 2:
        return ' + '.join(matched_cols)
    else:
        return matched_cols[0]

df['result'] = df.apply(get_result, axis=1)

这个方法扩展性强，哪怕新增Col3、Col4，只要逻辑是“值为1的列名拼接，全0返回other”，都不用修改代码。

方法3：嵌套np.where（基础实现） #

如果一定要用np.where，可以通过多层嵌套实现需求：

df['result'] = np.where(
    (df['Col1'] == 0) & (df['Col2'] == 0),
    'other',
    np.where(
        (df['Col1'] == 1) & (df['Col2'] == 1),
        'col1 + col2',
        np.where(df['Col1'] == 1, 'col1', 'col2')
    )
)

不过嵌套层数过多时可读性会下降，不如前两种方法实用。

运行任意一种方法后，最终DataFrame结果如下：

Col1  Col2         result
0     0     0          other
1     1     1  col1 + col2
2     1     0          col1
3     0     1          col2

内容的提问来源于stack exchange，提问作者wysouf