如何用Pandas函数根据列非空值生成指定支付类型列

你的代码存在三个核心问题：

• 多余的循环逻辑：使用apply(axis=1)时，传入函数的x是单行数据的Series，x['Loan Funded Date'].notna()返回的是单个布尔值，而非可迭代的序列，因此嵌套for循环完全没必要，反而会导致逻辑混乱。
• 条件优先级错误：当前逻辑中如果两列都非空，Insurance会覆盖Financing，不符合你先判断贷款日期的需求。
• 缺少两列均为空时的赋值逻辑：代码里没有处理最后一种情况的分支。

修正方案一：优化原apply函数 #

直接针对单行数据做条件判断，去掉多余循环：

import pandas as pd

def typepayment(x):
    if pd.notna(x['Loan Funded Date']):
        return 'Financing'
    elif pd.notna(x['Claim Approved Date']):
        return 'Insurance'
    else:
        return 'Cash/Credit'

# 应用函数生成新列
df['Payment Type'] = df.apply(typepayment, axis=1)

修正方案二：更高效的矢量化操作（推荐） #

Pandas中apply在大数据量下效率较低，推荐使用矢量化方法，比如numpy.select或Pandas的loc赋值：

方法1：使用numpy.select #

import numpy as np

# 定义条件列表和对应结果
conditions = [
    df['Loan Funded Date'].notna(),
    df['Claim Approved Date'].notna()
]
choices = [
    'Financing',
    'Insurance'
]

# 生成新列，默认值为Cash/Credit
df['Payment Type'] = np.select(conditions, choices, default='Cash/Credit')

方法2：使用Pandas loc链式赋值 #

# 先设置默认值
df['Payment Type'] = 'Cash/Credit'
# 覆盖保险审批日期非空的情况
df.loc[df['Claim Approved Date'].notna(), 'Payment Type'] = 'Insurance'
# 最后覆盖贷款放款日期非空的情况（保证优先级）
df.loc[df['Loan Funded Date'].notna(), 'Payment Type'] = 'Financing'

内容的提问来源于stack exchange，提问作者internet joe