要添加drawbu answer，在这种情况下，我会尝试通过使用来提高可读性：

columns_to_filter = [
    "column1", "column2", "column3", "column4", "column5", "column6", 
    "column7", "column8", "column9", "column10", "column11", "column12"
]

df[columns_to_filter] = np.where(dfdf[columns_to_filter].isnull(), 0, 1)

你可以这样做：

df[[
    "column1", "column2", "column3", "column4", "column5", "column6", 
    "column7", "column8", "column9", "column10", "column11", "column12"
]] = np.where(
    dfdf[[
        "column1", "column2", "column3", "column4", "column5", "column6", 
        "column7", "column8", "column9", "column10", "column11", "column12"
    ]].isnull(), 
    0, 
    1
)

它不是完美的，但可读性更强，并遵循PEP8风格。如果超过80个字符，请拆分行（有些人更喜欢120个字符，您可以选择）。如果你为调用的一个参数做这个操作，请考虑为所有参数做这个操作，以免造成一些不规则性。

如果您使用pandas，您可以使用filter来选择要修改的列的子集。在简单的情况下，您还可以使用列表解析。
而不是isnull + np.where，我会选择notna + astype(int)：

import pandas as pd

df = ... # Your df here

# Solution:
cols = [ f"column{i}" for i in range(1, 13) ]
df[cols] = df[cols].notna().astype(int)