当 Pandas DataFrame 中仅存在列 A 或列 B 之一时，可通过条件列名选择配合 .at 实现一行式安全取值，避免 KeyError，无需冗长的 if-else 判断。
当 pandas dataframe 中仅存在列 a 或列 b 之一时，可通过条件列名选择配合 `.at` 实现一行式安全取值，避免 keyerror，无需冗长的 if-else 判断。
在实际数据处理中，常遇到结构不一致的输入：例如多个来源的报表 DataFrame 可能交替提供指标列 'A' 或 'B'，但业务逻辑只需取其中第一个存在的列在指定索引（如 'Total'）处的标量值。此时若直接使用 df.at['Total', 'A'] or df.at['Total', 'B']，Python 的短路求值无法阻止 df.at 对缺失列抛出 KeyError——因为 or 运算符在左侧表达式执行阶段已触发异常，根本不会进入右侧。
✅ 正确且简洁的解决方案是：将列名选择前置为条件表达式，确保传入 .at 的列名一定存在：
value = df.at['Total', 'B' if 'B' in df.columns else 'A']
该写法逻辑清晰：先检查 'B' 是否在 df.columns 中；若存在则取 'B' 列，否则回退到 'A' 列。由于 df.columns 是 Index 对象，in 操作时间复杂度为 O(1)，性能高效。
⚠️ 注意事项：
- df.at 要求行索引 'Total' 也必须存在，否则仍会报 KeyError。如需同时容错行索引，可进一步封装为函数或改用 .loc + fillna() 组合；
- 不要误写为 'B' if 'B' in df else 'A' —— df 是 DataFrame，in df 等价于 in df.columns（虽能运行），但语义模糊且易引发误解；显式写 df.columns 更规范、可读性更强；
- 若需扩展至多个候选列（如 A/B/C），推荐使用生成器表达式配合 next()：
candidates = ['A', 'B', 'C'] col = next((c for c in candidates if c in df.columns), None) value = df.at['Total', col] if col else np.nan
总结：Pandas 本身不提供内置的“或列”取值操作符，但通过将列存在性判断融入索引表达式，即可用一行 Python 安全、高效地实现“取首个可用列的指定位置值”。这是兼顾简洁性与健壮性的典型惯用写法。
