如何在pandas DataFrame中新增列，按行收集值非0的列名存入新列

不要用逐行遍历的写法，不仅代码冗余，运行效率也很低，pandas有内置的简洁实现方案：

方法1：apply实现（适合中小数据集，逻辑直观易维护） #

import pandas as pd

# 构造示例DF，你可以替换成自己的数据源
df = pd.DataFrame({
    'chicken': [0, 0.4, 0.2, 0],
    'cow': [0, 0.2, 0, 0],
    'moose': [0, 0, -0.2, 0],
    'goat': [0.2, 0, 0.1, 0],
    'pigeon': [0, 0, 0.3, 0]
})

# 核心实现代码
df['new_column'] = df.apply(lambda row: row[row != 0].index.tolist(), axis=1)

方法2：向量化dot实现（适合百万级以上大数据集，性能远高于apply） #

# 生成非0值的布尔掩码
mask = df != 0
# 拼接列名后拆分转列表
df['new_column'] = mask.dot(df.columns + ',').str.rstrip(',').str.split(',').replace('', [])

注意事项 #

如果你的原始数据中存在NaN值，可以根据需求调整判断逻辑：

• 需要把NaN视为0：将判断条件修改为row.fillna(0) != 0
• 需要把NaN视为非0值：将判断条件修改为row.notna() & (row != 0)

运行后输出的结果和你给出的示例完全一致。

内容的提问来源于stack exchange，提问作者Mart Vos