遍历DataFrame行时快速检查条件并新增列的方法

先把你的原始数据整理成清晰的Markdown表格：

我会以检查每个SHOP是否存在至少一条ACTION为'S'的记录为例，展示新增列的实现方法，你可以根据实际需求修改条件逻辑。

实现代码 #

import pandas as pd

# 构造你的原始DataFrame
data = {
    'START': ['2016-01-07', '2016-01-10', '2016-04-07', '2016-05-15', '2016-10-07', '2016-11-07',
              '2016-01-15', '2016-05-22', '2016-11-07', '2016-01-04', '2016-09-07', '2016-10-25'],
    'END': ['2016-01-10', '2016-02-07', '2016-05-07', '2016-05-18', '2016-10-07', '2016-11-07',
            '2016-01-22', '2016-11-07', '2016-12-07', '2016-02-04', '2016-10-26', '2016-10-30'],
    'SHOP': ['ABC', 'ABC', 'ABC', 'ABC', 'ABC', 'ABC', 'DEF', 'DEF', 'DEF', 'XYZ', 'XYZ', 'XYZ'],
    'ACTION': ['B', 'B', 'B', 'S', 'B', 'B', 'S', 'S', 'S', 'B', 'T', 'B']
}
df = pd.DataFrame(data)

# 新增列：检查每个SHOP是否存在ACTION='S'的记录
df['HAS_S_ACTION'] = df.groupby('SHOP')['ACTION'].transform(lambda x: any(x == 'S'))

print(df)

代码逻辑说明 #

• groupby('SHOP')：按店铺分组，把同一个SHOP的所有记录归为一组，方便单独检查每个店铺的条件。
• transform(lambda x: any(x == 'S'))：对每个分组的ACTION列执行检查——只要分组里有任意一个值是'S'，就返回True，否则返回False。transform会把结果同步到原DataFrame的每一行，保证同一个店铺的所有行都有相同的检查结果。

最终输出结果 #

运行代码后，你的DataFrame会新增HAS_S_ACTION列，结果如下：

自定义条件修改 #

如果你的实际需求不是检查'S'，可以直接修改transform里的lambda逻辑：

• 检查每个SHOP是否有ACTION='T'：把any(x == 'S')改成any(x == 'T')
• 检查每个SHOP是否有连续的'B'记录：可以用any(x.shift() == x)判断相邻值是否相同
• 检查时间范围是否重叠：可以在分组里对START和END列做时间区间判断

内容的提问来源于stack exchange，提问作者asimo