在Pandas中筛选值为1的列名并新增category列的技术问询

没问题，我来帮你搞定这两个Pandas操作！先假设你的DataFrame是类似这样的结构（方便后续演示）：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'A': [0, 1, 0, 1],
    'B': [1, 0, 0, 1],
    'C': [0, 0, 1, 0]
})

1. 新增名为category的列 #

这部分要分两种情况处理，取决于你的数据里每行有几个值为1的列：

情况1：每行恰好只有一个值为1的列 #

如果你的数据保证每行只有一列是1，那用idxmax方法最简洁高效：

df['category'] = df.eq(1).idxmax(axis=1)

原理很简单：df.eq(1)会把所有等于1的位置转为True，其他为False；idxmax(axis=1)则会取每行第一个True对应的列名——刚好就是你要的那个值为1的列名。

情况2：每行可能有多个值为1的列 #

如果一行里有多个列值为1，想要把这些列名拼接成字符串（比如用逗号分隔），就用apply配合lambda表达式：

df['category'] = df.apply(lambda row: ', '.join(row[row == 1].index), axis=1)

这里row[row == 1]会筛选出当前行值为1的所有元素，.index拿到这些元素对应的列名，最后用join把列名拼接成一个字符串。

2. 筛选值为1的列名 #

这里要分两种常见场景，你可以根据自己的需求选择：

• 筛选至少包含一个1的列：
  如果你想找出所有存在1的列，用这个代码：

cols_with_at_least_one = df.columns[df.eq(1).any(axis=0)]

df.eq(1).any(axis=0)会检查每列是否有至少一个True（也就是至少有一个1），然后用这个布尔数组去筛选出对应的列名。

• 筛选所有行值都是1的列：
  如果要找那些每行都是1的列，就用all代替any：

cols_all_one = df.columns[df.eq(1).all(axis=0)]

all(axis=0)会验证每列的所有行是否都是True（也就是全为1），再筛选出符合条件的列名。

内容的提问来源于stack exchange，提问作者Ganapati