如何循环遍历pandas DataFrame列动态应用条件实现批量过滤赋值

核心解决思路：你之前定义的condition是固定绑定B1列判断逻辑的常量，只需在每次循环遍历到对应列时，基于当前列动态生成条件列表即可。
另外注意你原有代码里的笔误：isnull是pandas Series的内置方法，必须加括号调用，直接写df['B1'].isnull==False判断的是方法对象本身的布尔值，会导致逻辑错误，需修正为~df[列名].isnull()的写法。 #

直接实现代码 #

import pandas as pd
import numpy as np

# 示例数据构造
df = pd.DataFrame({
    'B1': [9,8,0,1],
    'B2': [0,7,9,0],
    'B3': [5,6,8,7],
    'B4': [6,4,6,6],
    'B5': [7,8,6,3]
})

values = [999, 444, 555]

# 循环遍历所有列动态处理
for col in df.columns:
    # 基于当前列生成条件列表
    condition = [
        (df[col] == 0) | (~df[col].isnull()),
        (df[col] == 8) | (df[col].isnull()),
        (df[col] == 6) | (~df[col].isnull())
    ]
    df[col] = np.select(condition, values)

更易维护的函数式写法 #

如果后续需要频繁调整条件规则，可以把条件逻辑提前封装为函数列表，循环时直接调用生成当前列的条件即可：

# 提前封装条件逻辑，后续修改只需调整这部分
cond_funcs = [
    lambda x: (x == 0) | (~x.isnull()),
    lambda x: (x == 8) | (x.isnull()),
    lambda x: (x == 6) | (~x.isnull())
]
values = [999, 444, 555]

for col in df.columns:
    current_cond = [func(df[col]) for func in cond_funcs]
    df[col] = np.select(current_cond, values)

以上两种写法都会对所有列应用和原来B1列完全一致的判断规则，运行效果和你逐列手动处理的结果完全一致。

内容的提问来源于stack exchange，提问作者James Lin