Python DataFrame遍历行处理列的if语句失效，process数组列存NaN

我懂你现在的困扰——想用hitdt里每行包含-1的列来生成process列，但手写的if逻辑不仅繁琐，还没生效，新列全是NaN对吧？咱们不用纠结复杂的循环判断，用pandas的原生方法就能干净利落地解决问题，而且效率更高。

先明确下核心需求：你是想标记每行是否存在-1？还是取第一个出现-1的列名？或是统计每行-1的数量？我给你覆盖几种常见场景的实现方式，你可以根据自己的需求调整：

先准备示例数据（方便你测试） #

import pandas as pd
import numpy as np

# 模拟你的hitdt DataFrame
hitdt = pd.DataFrame({
    't1': [1, -1, 3, 4],
    't2': [-1, 2, -1, 5],
    't3': [3, 4, 5, -1],
    't4': [4, 5, 6, 7]
})

场景1：标记该行是否包含-1（布尔值） #

如果只是想知道每行有没有-1，用一行代码就能搞定：

hitdt['process'] = hitdt.isin([-1]).any(axis=1)

isin([-1])会生成一个布尔矩阵，标记每个位置是否是-1；any(axis=1)则按行判断是否有至少一个True，最终得到每行的布尔结果。

场景2：获取每行第一个出现-1的列名 #

这应该是最贴合你“用包含-1的列决定process值”的需求了，这里有两种写法：

写法1：用apply（直观易懂）

def get_first_neg1_col(row):
    # 筛选出当前行值为-1的列索引
    neg1_cols = row[row == -1].index
    # 有-1就返回第一个列名，否则返回NaN
    return neg1_cols[0] if len(neg1_cols) > 0 else np.nan

hitdt['process'] = hitdt.apply(get_first_neg1_col, axis=1)

写法2：向量式操作（更高效，适合大数据集）

避免用apply循环，直接用pandas的向量方法：

# 生成标记-1位置的布尔矩阵
mask = hitdt == -1
# 取每行第一个True对应的列名，没有的话设为NaN
hitdt['process'] = mask.idxmax(axis=1).where(mask.any(axis=1), np.nan)

场景3：统计每行-1的数量 #

如果需要知道每行有多少个-1，可以这么写：

hitdt['process'] = hitdt.isin([-1]).sum(axis=1)

为什么你的if语句没生效？ #

大概率是循环赋值的时候出了问题——比如你可能用了for循环遍历每行，但没有正确把值赋值回hitdt['process']，或者判断条件覆盖不全（比如某行有多个-1时逻辑冲突）。用上面的pandas原生方法，既能避免循环的坑，代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者y.x