如何根据列名与Dataframe中Date列值匹配计算对应行单元格值？

前提准备 #

• 基于Python pandas 库实现，若未安装可先执行pip install pandas安装，导入语法为import pandas as pd
• 提前加载好你的原始DataFrame
• 确保列名、Date列的内容格式统一（比如都是字符串格式的日期文本，避免类型不一致导致匹配失败）

实现步骤 #

1. 提取需要做匹配的目标列 #

排除不需要处理的Date列，得到所有待判断的日期类列：

# 筛选出除Date列之外的所有列，也就是列标题为"1 Oct"、"1 Nov"这类的列
target_cols = [col for col in df.columns if col != "Date"]

如果担心类型不匹配，可先统一转成字符串格式：

# 统一列名和Date列的类型为字符串，避免匹配失效
df.columns = df.columns.astype(str)
df["Date"] = df["Date"].astype(str)

2. 执行匹配赋值 #

新手友好版（逻辑直观，易调试）

逐行逐列判断，匹配成功赋值1，失败赋值Null（用pandas内置的pd.NA表示空值）：

# 遍历每一行的索引和数据
for row_idx, row_data in df.iterrows():
    # 获取当前行的Date值
    current_row_date = row_data["Date"]
    # 遍历每个待判断的目标列
    for col_name in target_cols:
        # 列名和当前Date值相等则赋值1，否则赋值空值
        if col_name == current_row_date:
            df.loc[row_idx, col_name] = 1
        else:
            df.loc[row_idx, col_name] = pd.NA

高效版（适合数据量较大的场景，无需逐行循环）

利用pandas的向量化广播机制批量计算，运行速度远快于逐行循环：

# 生成匹配矩阵：逐行对比列名和当前行的Date值，得到布尔值矩阵
match_result = (df[target_cols].values == df["Date"].values[:, None])
# 把布尔结果转成整数（True=1，False=0），再将0值替换为空值
df[target_cols] = match_result.astype("Int64").replace(0, pd.NA)

效果验证 #

运行完上述代码后，直接打印DataFrameprint(df)，即可得到预期的结构：匹配位置为1，未匹配位置为Null，Date列保持原有值不变。 #

内容的提问来源于stack exchange，提问作者Ads