Pandas 基于同一数据帧中其他列中的值创建包含布尔值或NaN值的新列

我想在pandas数据框中创建一个新列，根据同一数据框中其他两列中的值计算为True、False或NaN，这两列也只包含True、False或NaN值。具体来说，如下所示，新列中的行值应为： （a） 如果其中一个引用列值为True， （b） 如果两个引用列值都为False，或者它们是False和NaN的组合，则为False；或者 （c） 如果两个引用列值均为NaN，则为NaN

列A+列B=>新列（所需值）

• 真+真=>真
• 真+假=>真
• True+NaN=>True
• False+False=>False
• False+NaN=>False
• NaN+NaN=>NaN

最初，如下图所示，我尝试将值赋给col_A或col_B为True的新列，但可以理解的是，当一列或两列都包含NaN时，它返回False

df[new_col] = df[col_A] | df[col_B]

我还研究了如何为列a和列B都为NaN的行创建一个返回True的列，但我仍在努力找出下一步

df[new_col] = pd.isnull(df[col_A]) & pd.isnull(df[col_B]) 

我觉得我最终可以使用for循环/if语句获得正确的输出，但我的理解是这将是非常低效的，而且似乎应该有一种更高效/直接的方法来获得我想要的结果。

使用

设置数据帧：

dict = {
    'col_A': [True, True, True, False, False, False, np.NaN, np.NaN, np.NaN], 
    'col_B': [True, False, np.NaN, False, True, np.NaN, np.NaN,True, False]   
       }
df = pd.DataFrame(dict)

print(df)

   col_A  col_B
0   True   True
1   True  False
2   True    NaN
3  False  False
4  False   True
5  False    NaN
6    NaN    NaN
7    NaN   True
8    NaN  False

创建一个新列并将所有值设置为false。我们将填写其他值

df['new_col'] = False

使用.any（）填充剩余的True和NaN值

df.loc[df[['col_A', 'col_B']].any(1), 'new_col'] = True

打印（df）

---

这让我很接近，因为所有的真值都得到了正确的解释，但如第6行所示，当两者都是NaN时，结果仍然是False而不是NaN。为了解决这个问题，我插入了

df.loc[df[['col\u A'，'col\u B']]].isnull（）.all（1），'new\u col']=np.nan

，它解决了这个问题，但创建了另一个小问题，因为新_col中的值随后显示为1/0/nan，而不是True/False/nan。因此，为了保持一致性，我最后使用了以下代码将1/0重新转换为True/False

df_dict={1:True，0:False}

df['new_col']=df['new_col'].map（df_dict）

   col_A   col_B   new_col
0   True   True     True
1   True  False     True
2   True    NaN     True
3  False  False    False
4  False   True     True
5  False    NaN    False
6    NaN    NaN    False
7    NaN   True     True
8    NaN  False    False