DataFrame使用lookup生成新列及限定查询列的技术问题

首先，你遇到的问题核心是根据Final列的数值，在Alpha、Bravo、Charlie这三列中找到该数值所属的列名，而且需要排除其他无关列的干扰。之前用df.lookup(df.index, df.Final)没成功，是因为lookup方法需要传入的是列名而非列值，方向完全搞反啦。

下面给你几个精准可行的方案：

方法一：用布尔匹配+idxmax高效实现 #

这个方法逻辑清晰，而且严格限定了查询范围在目标列内，数据量大时效率也不错：

# 先明确要查询的目标列范围
target_cols = ['Alpha', 'Bravo', 'Charlie']
# 生成布尔矩阵，判断每行中目标列的值是否等于Final列的值
match_matrix = df[target_cols].eq(df['Final'], axis=0)
# 找到每行中第一个匹配的列名，赋值给NewColumn
df['NewColumn'] = match_matrix.idxmax(axis=1)

方法二：用apply逐行遍历（适合小数据集） #

如果你的数据量不大，这个方法更直观，容易理解基础逻辑：

target_cols = ['Alpha', 'Bravo', 'Charlie']

def get_matching_col(row):
    # 遍历目标列，找到值等于Final的列名
    for col in target_cols:
        if row[col] == row['Final']:
            return col
    return None  # 可选：处理没有匹配值的异常情况

df['NewColumn'] = df.apply(get_matching_col, axis=1)

为什么之前的lookup方法失效？ #

你之前写的df.lookup(df.index, df.Final)是把Final列的数值（比如30、25）当成列名去查找，但你的列名是Alpha/Bravo/Charlie这类字符串，两者不匹配，自然得不到正确结果。如果一定要用lookup，需要先把数值映射成对应列名，反而绕了弯路，不如上面两种方法直接。

用你的示例数据测试后，两种方法都能得到你想要的结果：

Alpha  Bravo  Charlie  Final NewColumn
0     10     20       30     30    Charlie
1     15     25       35     25     Bravo

内容的提问来源于stack exchange，提问作者J Ng