pandas如何基于行筛选条件新增列，避免非匹配行被NaN覆盖

问题原因 #

你代码出现NaN覆盖的核心原因是：循环内每次都对整个Final_Score列做全量赋值，每次赋值仅当前匹配科目的行有计算结果，其余行自动填充为NaN，因此最后一次循环（对应Science科目）的结果会覆盖之前所有赋值，最终只剩偏好为Science的行有值。

解决方案 #

方案1：使用Pandas原生方法（更高效，无需循环） #

直接用lookup方法批量提取每个学生对应偏好科目的分数，和当前分数求和即可：

import pandas as pd
new_data = [['tom', 31, 50, 30, 20, 'English'], ['nick', 30, 42, 23, 21, 'Math'], ['juli', 39, 14, 40, 38, 'Science']]
df = pd.DataFrame(new_data, columns = ['Name','Current_Score','English','Science','Math','Favourite_Subject'])

# 核心逻辑：按行匹配偏好科目对应的分数求和
df['Final_Score'] = df['Current_Score'] + df.lookup(df.index, df['Favourite_Subject'])

方案2：修改原有循环逻辑 #

如果要保留你原来的循环写法，仅需要把全列赋值改为仅修改匹配条件的行即可，避免覆盖其他行的已有结果：

for subj in df['Favourite_Subject'].unique():
    mask = (df['Favourite_Subject'] == subj)
    # 仅对匹配mask的行赋值，不影响其他行
    df.loc[mask, 'Final_Score'] = df[mask].apply(lambda row: row['Current_Score'] + row[subj], axis=1)

两种方案最终都可以得到你需要的正确结果。

内容的提问来源于stack exchange，提问作者Boon