如何创建函数扫描多DataFrame列指定值生成新列？

核心思路 #

要实现逐行检查a、b、c三列是否存在指定值，存在则标记'Fail'，否则标记'Pass'，需用pandas的向量化操作（比逐行apply更高效）或正确的逐行处理逻辑，避免混用方法导致报错。

方法1：向量化判断（推荐，大数据量更高效） #

场景1：三列指定值相同

如果a、b、c列要匹配的是同一个值（比如都是'T'），用isin()+any(axis=1)快速判断每行是否有匹配项，再用np.where()生成结果列：

import numpy as np
# 替换['T']为你的实际指定值，比如['T', 0, 'False']
df["Column x"] = np.where(df[['a', 'b', 'c']].isin(['T']).any(axis=1), 'Fail', 'Pass')

场景2：不同列指定值不同

如果a列找'T'、b列找0、c列找'False'，直接构造多条件或运算：

import numpy as np
condition = (df['a'] == 'T') | (df['b'] == 0) | (df['c'] == 'False')
df["Column x"] = np.where(condition, 'Fail', 'Pass')

方法2：逐行apply处理（适合复杂逻辑） #

如果需要更个性化的逐行判断，用apply(axis=1)逐行遍历：

df["Column x"] = df.apply(
    lambda row: 'Fail' if (row['a'] == 'T' or row['b'] == 0 or row['c'] == 'False') else 'Pass',
    axis=1
)

你的代码报错原因 #

你之前的代码误用了any()方法：

• df['Column a'].any(lambda val: ...)是错误写法，any()不需要传入lambda参数，它的作用是判断整个列是否存在真值，而非逐行处理。
• 混用any()和apply()的逻辑不符合逐行判断的需求，导致语法与逻辑双重错误。

内容的提问来源于stack exchange，提问作者kiki833