本文介绍如何基于字典中定义的“项目→列名列表”映射关系，在 pandas dataframe 中为每一行动态选取对应列，并计算其最小值，适用于多类别、异构列组合的场景。
本文介绍如何基于字典中定义的“项目→列名列表”映射关系，在 pandas dataframe 中为每一行动态选取对应列，并计算其最小值，适用于多类别、异构列组合的场景。
在实际数据分析中，常遇到这样的需求：不同样本（如 Item1、Item2）需从不同列子集中提取关键指标（例如性能最低值），而这些列组合由外部字典预先定义。直接使用 .min(axis=1) 作用于静态列切片无法满足“按行动态选列”的要求——因为每行所依据的列集合取决于其所属类别（如 df['Col0'] 的值）。此时，DataFrame.apply() 配合行级 lambda 函数是最清晰、灵活的解决方案。
以下为完整实现步骤与最佳实践：
✅ 基础方案：动态取列 + 行内最小值
import pandas as pd
my_dict = {
'Item1': ['Col1', 'Col3'],
'Item2': ['Col2', 'Col4']
}
df = pd.DataFrame({
'Col0': ['Item1', 'Item2'],
'Col1': [20, 25],
'Col2': [89, 15],
'Col3': [26, 30],
'Col4': [40, 108],
'Col5': [55, 2]
})
# 关键：按行读取类别，查字典得列名，再索引并求 min
df['min'] = df.apply(lambda r: r[my_dict.get(r['Col0'], [])].min(), axis=1)
输出：
Col0 Col1 Col2 Col3 Col4 Col5 min 0 Item1 20 89 26 40 55 20 1 Item2 25 15 30 108 2 15
⚠️ 健壮性增强：容错缺失列
若字典中可能包含 DataFrame 中不存在的列（如 'Col6'），直接索引会报 KeyError。推荐用列表推导式预过滤有效列：
df['min'] = df.apply(
lambda r: r[[col for col in my_dict.get(r['Col0'], []) if col in r.index]].min(),
axis=1
)
此写法确保仅对当前行存在的列进行计算，安全且语义明确。
? 进阶扩展：同时返回最小值及对应列名
若还需溯源（例如定位哪个原始列贡献了最小值），可利用生成器表达式结合 min() 的元组比较特性：
df[['min', 'min_col']] = df.apply(
lambda r: min(((r[col], col) for col in my_dict.get(r['Col0'], []) if col in r.index),
default=(float('nan'), None)),
axis=1, result_type='expand'
)
? default= 参数防止空列列表导致异常，提升鲁棒性。
? 注意事项与建议
- 性能提示：apply(..., axis=1) 在大数据集上较慢；若字典映射规则简单且列数固定，可考虑 np.where 或 pd.concat 分组计算后合并，但通用性下降。
- 字典键匹配：确保 df['Col0'] 的值严格匹配 my_dict 的键（区分大小写、空格等），必要时可统一 .strip().upper()。
- 空值处理：若参与计算的列含 NaN，.min() 默认跳过；如需保留 NaN（即任一列为 NaN 则结果为 NaN），添加参数 skipna=False。
- 类型一致性：确保被选列数据类型支持比较运算（如数值型），避免 TypeError。
该方法逻辑直观、扩展性强，是解决“条件化列聚合”问题的标准范式之一。
