Python pandas如何根据条件从指定列取值填充新增Value列

你可以用如下方法实现需求，支持检查列动态扩展，无需修改核心逻辑：

首先确保已导入依赖库：

import pandas as pd
import numpy as np

定义通用匹配取值函数，适配任意数量的检查列：

def get_match_series(df, check_col_list, match_key):
    # 拆分检查列和取值列：列表最后一个元素为取值列，其余为需要检查匹配的列
    check_cols = check_col_list[:-1]
    value_col = check_col_list[-1]
    # 生成匹配掩码：只要任意一个检查列等于目标关键词即满足条件
    match_mask = df[check_cols].eq(match_key).any(axis=1)
    # 满足条件返回对应取值，否则返回空值
    return df[value_col].where(match_mask)

分别对DS1、DS2执行匹配，合并结果到新列Value：

# 分别获取两个数据源的匹配结果
ds1_result = get_match_series(df, ds1_col_check, var_check)
ds2_result = get_match_series(df, ds2_col_check, var_check)

# 合并结果，默认DS1优先级高于DS2，若需调整优先级可交换两个变量的位置
df['Value'] = ds1_result.combine_first(ds2_result)

扩展性说明 #

如果需要增加检查列，直接把新的检查列名加到对应配置列表的前面即可（列表最后一位始终保留为取值列），无需修改函数逻辑。比如要给DS1增加DS1.ColC作为检查列，只需要修改配置为：

ds1_col_check = ["DS1.ColA","DS1.ColB","DS1.ColC","DS1.Val"]

如果需要调整多个数据源都满足时的取值逻辑，比如拼接两个值，可以将合并步骤替换为：

# 示例：两个数据源都满足时用逗号拼接取值
df['Value'] = ds1_result.fillna('').astype(str) + ds2_result.fillna('').apply(lambda x: f',{x}' if pd.notna(x) else '')
df['Value'] = df['Value'].replace('', np.nan)

内容的提问来源于stack exchange，提问作者Fazli