如何用列表推导式检查DataFrame指定列非零值并新增标记列

完全可以用列表推导式实现该需求，但更推荐使用pandas原生向量化方案，运行效率远高于手写循环。 #

推荐方案（性能最优） #

直接利用pandas内置方法实现，自带短路校验逻辑（命中该行第一个非零值就停止后续判断），和你预期的执行逻辑完全一致，不需要手写嵌套循环：

# 提取需要校验的目标列列表
pattern_cols = pattern_accuracy["Pattern"].tolist()
# 逐行判断非零值，将布尔结果转为0/1后直接赋值
df_raw["Pattern Exists"] = df_raw[pattern_cols].ne(0).any(axis=1).astype(int)

逻辑说明：

• ne(0) 是pandas原生的“不等于0”判断方法，会批量生成所有目标单元格的布尔值对比结果
• any(axis=1) 按行做逻辑或判断，只要该行存在一个True就返回True，内置短路逻辑，不会做多余计算
• astype(int) 把True/False布尔值直接转为1/0整数，完全匹配你的赋值规则

列表推导式实现方案 #

如果需要严格使用列表推导式，配合生成器表达式的短路特性即可实现和原代码break完全一致的效果，性能比你当前写的嵌套for循环更好：

pattern_cols = pattern_accuracy["Pattern"].tolist()
df_raw["Pattern Exists"] = [
    1 if any(val != 0 for val in row[pattern_cols]) else 0
    for _, row in df_raw.iterrows()
]

原代码注意事项 #

你当前编写的嵌套循环使用了链式索引写法（df_raw['Pattern Exists'].loc[row]），在pandas中很容易触发SettingWithCopyWarning警告，且逐行逐单元格遍历的方式在数据量较大时运行速度会非常慢，非特殊场景不建议使用。

内容的提问来源于stack exchange，提问作者R M