如何在DataFrame指定列中识别含特定值的行并添加判断列？

嘿，我来帮你搞定这个需求！咱们一步步来实现：

核心思路就是先定位目标列，再逐行检查是否有符合条件的值，最后把结果存成新列。

步骤分解 #

• 第一步：筛选目标列：用df.filter(regex='^Month')可以快速获取所有以Month开头的列，不用手动列出来，非常灵活。
• 第二步：检查元素是否在目标列表：用isin(['J', 'Q', 'R'])对筛选出的列做批量检查，得到一个全是布尔值的DataFrame，每个单元格代表对应位置的元素是否在目标列表里。
• 第三步：逐行判断是否符合条件：用any(axis=1)对每行做“或”判断——只要该行有任意一个单元格是True，就标记这行为符合条件。
• 第四步：新增标记列：把上面得到的布尔序列赋值给DataFrame的新列就行。

完整代码示例 #

import pandas as pd

# 先搞个示例DataFrame模拟你的数据
df = pd.DataFrame({
    'Month_Jan': ['A', 'J', 'K'],
    'Month_Feb': ['Q', 'B', 'R'],
    'NonMonth_Col': ['test1', 'test2', 'test3']
})

# 目标值列表
targets = ['J', 'Q', 'R']

# 执行核心操作
df['meets_condition'] = df.filter(regex='^Month').isin(targets).any(axis=1)

# 看看结果
print(df)

运行后你会得到这样的输出：

Month_Jan Month_Feb NonMonth_Col  meets_condition
0         A         Q        test1             True
1         J         B        test2             True
2         K         R        test3             True

小提示 #

• 如果你的列名不是严格以Month开头（比如有大小写差异），可以调整正则表达式，比如^[Mm]onth来匹配大小写不敏感的情况。
• 如果目标值是数值类型，确保DataFrame里对应列的类型和目标值一致，不然isin会匹配不到哦。

内容的提问来源于stack exchange，提问作者CandleWax