Pandas apply执行多条件if自定义函数全部返回No abc问题咨询

核心原因 #

• 你使用pd.to_numeric时设置了errors = 'coerce'，如果原始列存在无法转换为数值的内容，会被自动转换为NaN。而NaN和任何数值做比较运算的结果都为False，所有条件判断都不满足，最终全部返回else分支的No abc，这是最常见的诱因。
• 你在自定义函数中用位置索引row[11]、row[12]取列，即使你确认当前索引正确，如果后续DataFrame列顺序发生变动，会出现取错列的问题，且不如列名取值直观可查。
• 若转换后的数值为浮点类型，可能存在精度误差，比如实际值为0.0000000001或-0.0000000001，直接用==0判断会返回False，导致条件不触发。
• 你做数值转换的列是df['abc_1']、df['abc_2']，要确认这两列的位置确实对应索引11、12，否则会出现取值和转换列不匹配的问题。

修复方案 #

1. 首先检查转换后是否存在空值，如有空值按业务逻辑处理，比如填充为0：

# 查看空值数量
print(df[['abc_1', 'abc_2']].isna().sum())
# 空值填充为0
df['abc_1'] = df['abc_1'].fillna(0)
df['abc_2'] = df['abc_2'].fillna(0)

2. 自定义函数改为用列名取值，避免位置索引带来的问题，同时优化浮点0值判断：

def abc(row):
    abc_1 = row['abc_1']
    abc_2 = row['abc_2']
    
    if abc_1>0 and abc_2>0:
        return 'abc 1 and 2'
    elif abc_1>0 and abs(abc_2) < 1e-9:
        return 'abc_1 only'
    elif abs(abc_1) < 1e-9 and abc_2>0:
        return 'abc_2 only'
    else: 
        return 'No abc'

3. 重新执行apply逻辑即可：
   df.apply(abc, axis='columns')

内容的提问来源于stack exchange，提问作者R Sta