如何在np.where中为pandas DataFrame列列表迭代生成判断条件

最优实现方案 #

直接使用pandas原生向量化方法即可实现任意长度列集合的批量判断，无需手动拼接或条件：
对于单个待校验列集合cols_list，实现代码如下：

# 等价于所有 (df[col] ==1) 的或运算，布尔值直接转1/0
df['new_col'] = df[cols_list].eq(1).any(axis=1).astype(int)

批量处理上百个校验规则 #

如果需要同时处理多组不同的cols_list，可以先把「新列名-待校验列集合」的对应关系整理成映射表，直接循环处理即可：

# 整理所有规则：格式为 (新列名, 待校验列集合)
col_rule_mapping = [
    ("new_col_1", ["col1", "col2", "col3"]),
    ("new_col_2", ["col4", "col5"]),
    ("new_col_3", ["col6", "col7", "col8", "col9"]),
    # 剩余上百条规则直接按格式补充即可
]

# 批量生成计算列
for new_col, check_cols in col_rule_mapping:
    # 可选：增加列存在性校验，避免因列缺失报错
    exist_cols = [c for c in check_cols if c in df.columns]
    if not exist_cols:
        df[new_col] = 0
        continue
    df[new_col] = df[exist_cols].eq(1).any(axis=1).astype(int)

方案说明 #

• 适配任意长度的待校验列集合，无需手动调整判断逻辑
• 底层为pandas向量化运算，执行效率远高于手动拼接条件或逐行遍历
• 可灵活调整判断规则：如果需要判断大于0将eq(1)替换为gt(0)即可，需要所有列同时满足条件将any(axis=1)替换为all(axis=1)即可。

内容的提问来源于stack exchange，提问作者Python coder