如何基于多条件为DataFrame新增列并填充指定非NaN有效值

首先，你的核心问题在于没有处理EX行需要继承对应GEN行的gs值这个逻辑，而且直接用row['gs'] != NaN的判断是错误的（在Python中，NaN和任何值比较都会返回False，必须用pd.isna()来判断）。

下面是具体的实现步骤，完全符合你的需求：

1. 先构造示例DataFrame（方便测试） #

import pandas as pd
import numpy as np

data = {
    'col1': ['chr1']*6,
    'col2': ['HAS']*6,
    'col3': ['GEN', 'TRANS', 'EX', 'GEN', 'EX', 'EX'],
    'start': [11869, 11869, 11869, 12613, 13221, 12010],
    'end': [14409, 14409, 12227, 12721, 14409, 12057],
    'gs': ['DDX', pd.NA, pd.NA, 'FXBZ', pd.NA, pd.NA]
}
df = pd.DataFrame(data)

2. 生成目标列col7 #

我们可以通过临时列+向前填充的方式，让EX行自动继承最近GEN行的gs值，再根据col3的条件赋值：

# 第一步：只保留GEN行的gs值，其他行设为NaN，然后向前填充（让后续的EX行拿到最近GEN的gs）
df['temp_gs'] = df['gs'].where(df['col3'] == 'GEN').ffill()

# 第二步：根据col3的条件设置col7
df['col7'] = np.where(
    df['col3'].isin(['GEN', 'EX']),  # 当col3是GEN或EX时
    df['temp_gs'],                   # 使用填充后的gs值
    'no'                             # 其他情况填"no"
)

# 可选：删除临时列
df.drop('temp_gs', axis=1, inplace=True)

执行后得到的结果完全符合你的期望：

col1 col2   col3  start    end    gs col7
0  chr1  HAS    GEN  11869  14409   DDX  DDX
1  chr1  HAS  TRANS  11869  14409  <NA>   no
2  chr1  HAS     EX  11869  12227  <NA>  DDX
3  chr1  HAS    GEN  12613  12721  FXBZ  FXBZ
4  chr1  HAS     EX  13221  14409  <NA>  FXBZ
5  chr1  HAS     EX  12010  12057  <NA>  FXBZ

为什么你的原方法失败？ #

1. NaN判断错误：不能直接用row['gs'] != NaN，必须用pd.isna(row['gs'])来检测缺失值，因为NaN的特性是和任何值比较都返回False。
2. 逻辑缺失：EX行本身的gs是NaN，你需要的是对应GEN行的gs值，而不是当前行的gs，所以单靠行级的lambda判断无法实现，必须通过向前填充来关联GEN和EX行。
3. 条件覆盖不全：你的原lambda只判断了col3 == "EX" and row['gs'] !=NaN，但GEN行的情况也需要保留自身的gs值，同时TRANS等其他情况才填"no"。

内容的提问来源于stack exchange，提问作者ARJ