Python操作Pandas DataFrame：调整布尔列实现每行仅最右侧列为True

核心逻辑利用三列的优先级C > B > A，只要更右侧的列为True，直接将左侧所有列设为False，全程采用pandas矢量化操作，无需逐行循环，运行效率更高：

# 筛选需要调整的行
adjust_mask = df['Multiples'] == True

# 只要C列为True，直接把A、B都设为False
df.loc[adjust_mask & df['C'], ['A', 'B']] = False
# C列为False时只要B列为True，直接把A设为False
df.loc[adjust_mask & ~df['C'] & df['B'], 'A'] = False

完整测试验证代码 #

你可以直接运行以下代码验证输出结果和你预期的完全一致：

import pandas as pd

# 构造你提供的测试数据
data = {
    "A": [True, True, True, True, True, False],
    "B": [True, True, False, True, True, True],
    "C": [False, False, True, False, False, True],
    "Multiples": [True, True, True, True, True, True]
}
df = pd.DataFrame(data, index=[197, 215, 225, 234, 265, 321])
df.index.name = "ID"

# 执行调整逻辑
adjust_mask = df['Multiples'] == True
df.loc[adjust_mask & df['C'], ['A', 'B']] = False
df.loc[adjust_mask & ~df['C'] & df['B'], 'A'] = False

# 打印结果
print(df)

原代码问题说明 #

你之前写的循环逻辑存在两个问题：

• 逐行遍历的方式在数据量大时运行效率极低，pandas原生矢量化操作性能远高于Python层循环
• if判断中直接对整列做布尔运算，没有匹配当前行的取值，会导致整列被错误赋值

内容的提问来源于stack exchange，提问作者Bill B