当 Pandas DataFrame 中仅存在列 A 或列 B 之一时，可通过条件表达式动态选择列名，结合 .at 安全访问指定行索引（如 'Total'）的值，避免 KeyError，无需冗长的 if-else 判断。
当 pandas dataframe 中仅存在列 a 或列 b 之一时，可通过条件表达式动态选择列名，结合 `.at` 安全访问指定行索引（如 'total'）的值，避免 keyerror，无需冗长的 if-else 判断。
在实际数据分析中，常遇到列名不固定的情况：例如不同来源的报表可能提供指标列 'A' 或 'B'（但不会同时存在），而你需要统一提取某一行（如汇总行 'Total'）的对应值。直接使用 df.at['Total', 'A'] or df.at['Total', 'B'] 并不可行——因为一旦 'A' 列不存在，df.at 会立即抛出 KeyError，根本不会执行右侧表达式。
✅ 正确且简洁的解决方案是将列名的选择逻辑前置到索引参数中，利用 Python 的条件表达式（三元运算符）动态构造合法列名：
value = df.at['Total', 'B' if 'B' in df.columns else 'A']
? 注意：'B' in df 等价于 'B' in df.columns（Pandas 支持直接用 in 检查列名），但为提升可读性，建议显式写为 df.columns，尤其在团队协作或复杂逻辑中：
value = df.at['Total', 'A' if 'A' in df.columns else 'B']
该写法语义清晰：优先尝试取列 'A'；若不存在，则回退至 'B'。整个表达式仅触发一次 .at 访问，既高效又安全。
⚠️ 重要注意事项：
- .at 要求行索引 'Total' 必须存在，否则仍会报 KeyError。若行索引也存在不确定性，需额外校验：
row = 'Total' col = 'A' if 'A' in df.columns else 'B' value = df.at[row, col] if row in df.index else None
- 避免误用 or 进行“短路列访问”——df.at[...,'A'] or df.at[...,'B'] 在 'A' 列缺失时会中断执行，无法兜底。
- 若需支持多列备选（如 A → B → C），可嵌套或改用 next() + 生成器表达式：
cols = ['A', 'B', 'C'] col = next((c for c in cols if c in df.columns), None) value = df.at['Total', col] if col else None
总结：通过将列存在性判断融入索引参数，而非依赖 or 短路逻辑，即可用一行代码优雅、安全地实现“取首个可用列的指定行值”。这是 Pandas 动态列处理中的典型最佳实践。
