Pandas中如何跨多列检查不同条件并拼接满足条件的列名

不需要创建三个持久化的辅助列，直接为每列配置独立判定规则就能完成D列的计算。

简洁版实现（适配小体量数据集） #

直接在逐行apply的逻辑中为三列分别配置判定规则，筛选出符合条件的列名后用逗号拼接即可，代码如下：

df['D'] = df[['A', 'B', 'C']].apply(
    lambda row: ','.join([
        col for col, match in [
            ('A', row['A'] == 0),
            ('B', row['B'] > 30),
            ('C', row['C'] == 'Pass')
        ] if match
    ]),
    axis=1
)

• 三列条件同时命中时，D列返回A,B,C
• 仅命中A、B列条件时，D列返回A,B
• 其他命中场景会自动拼接对应列名，无需手写多分支判断

高性能实现（适配大体量数据集） #

如果你的数据集行数较多，优先使用pandas向量化运算替代逐行apply，运行效率会有明显提升：

# 构建三列的判定布尔矩阵
cond_df = pd.DataFrame({
    'A': df['A'] == 0,
    'B': df['B'] > 30,
    'C': df['C'] == 'Pass'
})
# 逐行拼接命中条件的列名
df['D'] = cond_df.apply(lambda row: ','.join(row.index[row]), axis=1)

你之前的代码局限性在于给所有列套用了eq(1)的统一判定规则，只要把统一规则替换为每列独立的判定逻辑，就可以跳过繁琐的辅助列创建步骤，直接得到目标结果。

内容的提问来源于stack exchange，提问作者Derek