Python 基于多个NaN检查在df中创建新列

我正在尝试基于多个NaN检查创建派生列

Df

带衍生字段的Df D-如果A、B和C不是空的或NaN，则连接A、B、C中的值

A|B|C|D
NaN|23|dfs|""
NaN|NaN|dsdfs|""
1223|3423|234234|12233423234234
NaN|NaN|NaN|""

我试过下面的代码

df["D"] = np.where(df["A"].notna() and df["B"].notna() and df["C"].notna(), df["A"].map(str)+df["B"].map(str) + df["C"].map(str), "")

我犯的错误是 级数的真值是模糊的。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

感谢您的帮助！ 谢谢大家!

你可以试试这个

# df = df.convert_dtypes() uncomment this to convert dtypes of all the columns to suitable data-types. 
(
    df.assign(D=np.where(
        df.isna().any(axis=1),
        "",
        df.astype(str).apply(''.join, axis=1) # or df.astype(str).sum(axis=1)
    )
    )
)

---

有了您展示的样品，请尝试以下内容。简单的解释是使用

np。where

where检查条件如果列

A、B、C

中的任何一列为空，则保留新列的值为空，否则取3列之和，并将其分配给名为

D

的新列

cols = ['A','B','C']
df['D'] = np.where(df[cols].isnull().any(1),'',df[cols].astype(str).sum(1))

---

错误来自

和
。改用
和
<代码>df[“A”].notna（）&df[“B”].notna（）&df[“C”].notna（）
。（见）谢谢！它解决了我的错误。我可以知道什么时候我应该使用“&”和“and”？@yuzu，你能告诉我这个解决方案是否对你有效吗？
cols = ['A','B','C']
df['D'] = np.where(df[cols].isnull().any(1),'',df[cols].astype(str).sum(1))