Pandas DataFrame多列差值判断按条件填充列实现方法

• 仅计算了宽度维度的差值，遗漏高度、深度两组维度的差值计算逻辑
• 区间判断逻辑错误：range(0,1)仅生成整数序列[0]，无法识别开区间(0,1)内的浮点数值，完全匹配不到符合要求的差值
• 赋值逻辑错误：循环内直接对整列赋值，会导致所有行被统一填充'Yes'，无法实现按行匹配条件、定向填充的效果
• 遗漏核心判断规则：未校验「三个差值任意一个落在目标区间」的规则，也未校验inf列取值为'T'的前置条件，且赋值列名和需求指定的val列不匹配

Pandas优先使用向量化运算实现逐行判断，比显式for循环效率更高、逻辑更清晰，可直接复现以下代码：

import pandas as pd

# 计算三组维度差值，判断是否存在任意差值落在开区间(0,1)
cond_dim = (
    (df["new_width"] - df["audited_Width"]).between(0, 1, inclusive="neither")
    | (df["new_height"] - df["audited_Height"]).between(0, 1, inclusive="neither")
    | (df["new_depth"] - df["audited_Depth"]).between(0, 1, inclusive="neither")
)
# 判断inf列是否为'T'
cond_inf = df["inf"] == "T"

# 初始化val列为空，两个条件同时满足时填充'YES'
df["val"] = ""
df.loc[cond_dim & cond_inf, "val"] = "YES"

# 打印val列校验结果
print(df["val"])

• between(0, 1, inclusive="neither")是Pandas内置的开区间判断方法，等价于x>0 & x<1，写法更简洁不易出错
• 位运算符|表示“或”逻辑，即三个差值只要有一个符合区间要求就满足维度条件
• df.loc[行筛选条件, 列名]可以精准定位符合条件的行，仅对目标位置赋值，不会出现整列被覆盖的问题

内容的提问来源于stack exchange，提问作者Surya_Jas