如何根据pandas DataFrame两列条件创建新列First Name？

原代码的问题根因 #

你之前的写法存在两处核心逻辑错误，直接导致输出不符合预期：

• 用x['Name1'] is True做有效性判断：is是判断对象内存地址同一性，而非值是否有效，且字符串类型的Name1值永远不可能和布尔值True地址相等，判断逻辑从根上不成立
• 错误的判断逻辑在DataFrame广播机制下，会让整列的判断结果统一为同一个值，最终出现“First Name列全取Name1或全取Nickname”的异常情况

提示：所有有效性判断识别的是pandas原生缺失值（NaN/NA），如果列内的空标记是字符串形式的"Nan"，需要先通过df['列名'] = df['列名'].replace('Nan', pd.NA)转换为真实缺失值，再执行后续逻辑。

可行实现方案 #

方案1：内置combine_first方法（性能最优、代码最简洁） #

该方法的原生逻辑完全匹配需求：优先取调用列的非空有效值，遇到空值时自动取传入列的对应位置值，是这类场景下的最优写法：

import pandas as pd
df['First Name'] = df['Name1'].combine_first(df['Nickname'])

方案2：df.loc定位更新（逻辑直观易理解） #

按照你之前了解到的loc用法，先给新列设置默认值，再定位有效行做替换即可：

# 先给新列设置默认值为Nickname列的内容
df['First Name'] = df['Nickname']
# 生成Name1非空的行过滤掩码
valid_name_mask = df['Name1'].notna()
# 对符合掩码的行，将First Name替换为对应Name1的值
df.loc[valid_name_mask, 'First Name'] = df.loc[valid_name_mask, 'Name1']

方案3：修正版apply逐行遍历写法 #

如果需要逐行判断的灵活逻辑，只需要把原来错误的判断条件换成pd.notna()的有效值判断即可：

df['First Name'] = df.apply(
    lambda row: row['Name1'] if pd.notna(row['Name1']) else row['Nickname'],
    axis=1
)

内容的提问来源于stack exchange，提问作者mastrshayk