如何在每行和为1的两类概率列中寻找满足条件的列号

我来帮你搞定这个问题！既然你的两列数据每行数值之和为1，那其实每行最多只有一列能满足≥0.6的条件（毕竟如果一列≥0.6，另一列最多是0.4），处理起来逻辑很清晰。下面给你两种实用的实现方案，以Python的pandas工具为例（这是处理表格数据最常用的工具之一）：

假设你的原始数据是这样的表格结构：

import pandas as pd

# 模拟测试数据
data = {
    '列1': [0.7, 0.3, 0.6, 0.45],
    '列2': [0.3, 0.7, 0.4, 0.55]
}
df = pd.DataFrame(data)

方式1：逐行判断（直观易理解） #

如果你数据量不大，用apply逐行检查的方式最直观，直接返回对应列的编号（这里默认列编号从1开始，符合日常业务习惯）：

def get_target_col(row):
    # 判断列1是否达标
    if row['列1'] >= 0.6:
        return 1
    # 判断列2是否达标
    elif row['列2'] >= 0.6:
        return 2
    # 都不满足则返回None
    else:
        return None

# 新增一列存储结果
df['目标列编号'] = df.apply(get_target_col, axis=1)

方式2：向量化操作（高效处理大数据） #

如果你的数据量很大，逐行循环会变慢，用向量化操作能大幅提升效率：

import numpy as np

# 定义列编号数组（对应两列的编号）
col_numbers = np.array([1, 2])
# 找出每行中≥0.6的位置，映射为对应列编号，求和后得到结果（因为最多只有一个达标值）
df['目标列编号'] = np.where(df >= 0.6, col_numbers, np.nan).sum(axis=1)
# 把都不满足的0值转为None
df['目标列编号'] = df['目标列编号'].replace(0, None)

最终示例结果 #

对于上面的测试数据，生成的目标列编号列结果如下：

0 1
1 2
2 1
3 NaN
Name: 目标列编号, dtype: float64

完全符合预期：第一行列1达标返回1，第二行列2达标返回2，第三行列1刚好达标返回1，第四行都不满足则返回NaN（即None）。

内容的提问来源于stack exchange，提问作者user3639100