当 DataFrame 只包含列 A 或 B 之一时，可通过条件列名选择（如 "B" if "B" in df else "A"）配合 .at 实现一行式安全取值，避免 KeyError，无需冗长的 if-else 判断。
当 dataframe 只包含列 a 或 b 之一时，可通过条件列名选择（如 `"b" if "b" in df else "a"`）配合 `.at` 实现一行式安全取值，避免 keyerror，无需冗长的 if-else 判断。
在 Pandas 数据处理中，常遇到结构不固定的 DataFrame：例如某批数据含列 'A'，另一批却只含 'B'，而业务逻辑始终需要从 'Total' 行中提取首个可用列的值。此时若直接使用 df.at['Total', 'A'] or df.at['Total', 'B']，看似简洁，实则不可行——因为 .at 在列不存在时立即抛出 KeyError，短路求值（or）根本无法生效。
✅ 正确且简洁的解决方案是将列名本身作为条件表达式，利用 Pandas 的列存在性检查（col in df 返回布尔值）动态构造键：
value = df.at['Total', 'B' if 'B' in df.columns else 'A']
? 注意：'B' in df 等价于 'B' in df.columns，但显式写 df.columns 更清晰、更符合 PEP 8 可读性规范，推荐使用：
value = df.at['Total', 'B' if 'B' in df.columns else 'A']
该写法优势显著：
- 零异常风险：列存在性检查在 .at 执行前完成，完全规避 KeyError；
- 单行可读：逻辑内聚，语义明确（“取 B 列，若不存在则退回到 A”）；
- 高效轻量：in df.columns 是 O(1) 哈希查找，无性能损耗。
? 进阶技巧：若需支持多列备选（如 A → B → C），可封装为可复用函数：
def first_valid_value(df, row_label, *cols):
for col in cols:
if col in df.columns:
return df.at[row_label, col]
raise KeyError(f"No column found among {cols} for row '{row_label}'")
# 使用示例
value = first_valid_value(df, 'Total', 'A', 'B', 'C')⚠️ 重要提醒：
- .at 要求行列标签必须存在，因此仅适用于已确认行索引（如 'Total'）一定存在的场景；若行也可能缺失，请改用 .loc + .iloc[0] 或 next(iter(...), default) 模式；
- 避免误用 df.at['Total', 'A' or 'B'] —— or 作用于字符串字面量，恒返回 'A'，与列是否存在无关。
总之，通过将列名选择逻辑前置到 .at 索引操作之前，即可优雅、安全、高效地实现“首个可用列值”的提取，这是 Pandas 动态结构处理中的实用范式。
