基于Pandas DataFrame可变数量列灵活设置TRADING_DAY列值

你的需求核心是基于任意数量的可变列，判断每行是否存在非0值，进而更新TRADING_DAY。原代码的问题在于循环冗余且条件判断逻辑不符合预期，下面是修正后的实现：

def validateAndSetSignals(self, signalsDf, datesReb):
    # 初始化固定列的DataFrame
    totSignals = pd.DataFrame(0, columns=['TOT_SIGNAL','TRADING_DAY'], index=self.unqDates)
    
    # 遍历signalsDf，添加可变列并累加TOT_SIGNAL
    for names in signalsDf.keys():
        tmpSign = signalsDf[names].sum(axis=1)
        totSignals[names] = tmpSign
        totSignals['TOT_SIGNAL'] += tmpSign  # 简化累加操作
    
    # 核心逻辑：判断每行是否有至少一个可变列非0
    # 1. 选取第2列之后的所有可变列（按位置索引，适配任意数量/名称）
    variable_cols = totSignals.iloc[:, 2:]
    # 2. 判断每个元素是否非0，再按行检查是否至少有一个True
    has_non_zero_signal = variable_cols.ne(0).any(axis=1)
    # 3. 将布尔结果转为整数（True→1，False→0），赋值给TRADING_DAY
    totSignals['TRADING_DAY'] = has_non_zero_signal.astype(int)
    
    return totSignals  # 返回处理后的DataFrame

关键逻辑解释 #

• iloc[:, 2:]：按位置选取从第3列开始的所有列（Pandas索引从0开始，前两列是TOT_SIGNAL和TRADING_DAY），完美适配你“无法提前知晓可变列数量与名称”的场景。
• ne(0).any(axis=1)：
  • ne(0) 等价于!=0，是Pandas推荐的向量化判断方法，生成一个布尔矩阵，标记每个元素是否非0；
  • any(axis=1) 沿行方向判断，只要该行有一个元素为True（即存在非0值），就返回True，最终得到一个与原DataFrame索引一致的布尔Series。
• astype(int)：直接将布尔值转为整数，True对应1，False对应0，一步完成TRADING_DAY的赋值。

原代码的问题分析 #

1. 冗余循环：for i in range(len(totSignals.columns)-2) 完全没必要，每次循环都执行相同的赋值操作，重复修改TRADING_DAY列。
2. 条件逻辑错误：totSignals.loc[totSignals[totSignals.columns[2:]] !=0, 'TRADING_DAY'] =1 中，totSignals[totSignals.columns[2:]] !=0 是一个多列的布尔DataFrame，直接用于loc时，Pandas会要求所有对应列的条件都为True才会赋值，这和你需要的“至少一个非0”逻辑完全相反，导致大部分符合条件的行没有被正确设置。

内容的提问来源于stack exchange，提问作者AleB