本文介绍如何基于字典动态映射列名，并对目标列施加数值条件（如仅考虑大于 'col7' 的值），再计算每行符合条件的最小值，同时支持返回最小值及其对应列名。
本文介绍如何基于字典动态映射列名，并对目标列施加数值条件（如仅考虑大于 'col7' 的值），再计算每行符合条件的最小值，同时支持返回最小值及其对应列名。
在 Pandas 数据处理中，常需根据分组逻辑（如 Col0 的类别）动态选取若干列，并在这些列中按业务条件筛选后求最小值。本例中，字典 my_dict 定义了每个 Item 对应的候选列（如 'Item1': ['Col1','Col3','Col6']），而核心要求是：仅当某候选列的值严格大于该行 Col7 的值时，才参与最小值计算。
直接使用 r[col] > r['Col7'] 进行条件过滤，配合生成器表达式与 min() 的 default 参数，可高效、安全地实现该逻辑。关键在于避免空迭代器引发 ValueError，因此必须显式提供 default 值（如 (np.nan, '')）。
以下是完整可运行代码：
import pandas as pd
import numpy as np
my_dict = {
'Item1': ['Col1', 'Col3', 'Col6'],
'Item2': ['Col2', 'Col4', 'Col6', 'Col8']
}
df = pd.DataFrame({
'Col0': ['Item1', 'Item2'],
'Col1': [20, 25],
'Col2': [89, 15],
'Col3': [36, 30],
'Col4': [40, 108],
'Col5': [55, 2],
'Col6': [35, 38],
'Col7': [30, 20]
})
# 按条件计算最小值及对应列名
df[['min', 'name']] = df.apply(
lambda r: min(
((r[col], col) for col in my_dict.get(r['Col0'], [])
if col in r and r[col] > r['Col7']),
default=(np.nan, '')
),
axis=1,
result_type='expand'
)
print(df)输出结果为：
Col0 Col1 Col2 Col3 Col4 Col5 Col6 Col7 min name 0 Item1 20 89 36 40 55 35 30 35 Col6 1 Item2 25 15 30 108 2 38 20 38 Col6
✅ 说明：
- 对 Item1 行（Col7=30），候选列为 ['Col1','Col3','Col6'] → 对应值 [20,36,35]，仅 36>30 和 35>30 满足条件，最小值为 35（来自 Col6）；
- 对 Item2 行（Col7=20），候选列中 Col6=38>20，Col4=108>20，故最小值为 38（仍来自 Col6）。
⚠️ 注意事项：
- 若某行无任何候选列满足条件（如将条件改为 r[col] > r['Col7'] * 1.2），min(..., default=(np.nan, '')) 会自动填入 NaN 和空字符串，避免报错；
- result_type='expand' 是 apply 返回多列的关键参数，不可省略；
- 字典键不存在时 my_dict.get(r['Col0'], []) 返回空列表，天然兼容异常项；
- 列名校验 col in r 防止因字典中存在但 DataFrame 中缺失的列导致 KeyError。
此方法兼具灵活性与鲁棒性，适用于动态列选择 + 多条件过滤的复杂聚合场景。
