如何在Pandas中匹配多列并将匹配值转为单个新列？

嘿，这个需求其实挺常见的，我给你分享几种实用的Pandas实现方式，你可以根据自己的习惯选：

方法1：用apply遍历行找匹配值 #

这种方式比较直观，针对每一行遍历目标列，提取出等于'21'的值：

# 先定义目标列（你这里是col2、col3、col4）
target_cols = ['col2', 'col3', 'col4']

# 新增matched_value列，提取匹配到的21
df1['matched_value'] = df1[target_cols].apply(
    lambda row: next((val for val in row if val == '21'), None), 
    axis=1
)

因为你已经提前筛选出了包含'21'的行，所以next总能找到值，不会返回None，放心用就行。

方法2：用mask+填充函数快速提取 #

这种方法更高效，适合数据量较大的情况：

df1['matched_value'] = df1[target_cols].mask(df1[target_cols] != '21').bfill(axis=1).iloc[:, 0]

原理是：先用mask把所有不等于'21'的单元格转为NaN，然后用bfill(axis=1)按行从右往左填充NaN（也可以用ffill(axis=1)从左往右），最后取每一行的第一个有效值，就是我们要的'21'。

方法3：链式np.where判断（适合列数少的场景） #

如果你的目标列只有3列，用这种方式可读性很高：

import numpy as np

df1['matched_value'] = np.where(df1['col2'] == '21', df1['col2'],
                               np.where(df1['col3'] == '21', df1['col3'],
                                        df1['col4']))

逻辑很简单：先判断col2是不是21，是就取col2的值；不是就判断col3，以此类推，最后取到匹配的那个值。

内容的提问来源于stack exchange，提问作者Conquest