Python Pandas中如何拼接多个if语句返回的字符串生成新列

你之前操作报错的核心原因是：pandas内置的join方法是用于多表关联合并的，和你需要的字符串拼接逻辑完全不匹配，因此会出现报错、数据错乱的问题。
以下两种方案均可直接在Google Colab环境中运行，pandas为Colab预装依赖，无需额外安装。

方法1：行遍历实现（逻辑直观，适合小数据量、新手使用） #

该方法逐行判断每个条件列的值，符合要求就把对应问题说明加入结果后拼接，和Excel中多if拼接的逻辑完全一致。

import pandas as pd

# --------------- 配置部分，按你的实际情况修改 ----------------
# 1. 如果你要判断的列名就是要显示的问题说明，直接填列名列表即可
check_cols = ["手机号为空", "地址不完整", "邮箱格式错误", "身份未验证"]
# 2. 如果列名和要显示的问题说明不一致，用字典做映射，注释掉上面一行，打开下面的配置
# col_to_desc = {
#     "col1": "手机号为空",
#     "col2": "地址不完整",
#     "col3": "邮箱格式错误",
#     "col4": "身份未验证"
# }
# check_cols = col_to_desc.keys()
empty_tip = "无待修复项" # 没有问题时显示的内容
# ---------------------------------------------------------

# 逐行处理逻辑
def merge_repair_items(row):
    # 收集所有值为Yes的问题说明
    items = []
    for col in check_cols:
        if row[col] == "Yes":
            # 用映射的话就改成 col_to_desc[col]
            items.append(col)
    # 拼接结果
    return ",".join(items) if len(items) > 0 else empty_tip

# 生成新的待修复事项列
df["待修复事项"] = df.apply(merge_repair_items, axis=1)

方法2：向量化操作（性能更高，适合10万行以上的大数据集） #

该方法避免了逐行遍历的性能损耗，处理大数据量时速度远快于方法1。

import pandas as pd

# --------------- 配置部分，按你的实际情况修改 ----------------
col_to_desc = {
    "col1": "手机号为空",
    "col2": "地址不完整",
    "col3": "邮箱格式错误",
    "col4": "身份未验证"
}
empty_tip = "无待修复项"
# ---------------------------------------------------------

# 把所有值为Yes的位置替换为对应的问题说明，No替换为空字符串
temp_df = df[col_to_desc.keys()].replace("Yes", pd.Series(col_to_desc)).replace("No", "")
# 按行拼接所有非空内容，清理多余的逗号
df["待修复事项"] = temp_df.agg(",".join, axis=1).str.strip(",").replace("", empty_tip)

内容的提问来源于stack exchange，提问作者Marcus Catan