以下是一个示例代码，用于按照自定义优先级选择列值：

def choose_column_value(data, priority):
    # 按照优先级对列进行排序
    sorted_columns = sorted(data.columns, key=lambda x: priority.index(x))

    # 遍历每一行，选择第一个非空的列值
    chosen_values = []
    for index, row in data.iterrows():
        for column in sorted_columns:
            if not pd.isna(row[column]):
                chosen_values.append(row[column])
                break

    return chosen_values

在这个示例中，data 是一个包含数据的 pandas DataFrame，priority 是一个列表，其中包含了列的优先级顺序。函数首先根据优先级对列进行排序，然后遍历每一行，在每一行中选择第一个非空的列值，并将其添加到 chosen_values 列表中。最后，函数返回 chosen_values 列表。

使用示例：

import pandas as pd

# 创建示例数据
data = pd.DataFrame({
    'A': [1, pd.NA, 3],
    'B': [pd.NA, 5, 6],
    'C': [7, 8, pd.NA]
})

# 定义优先级顺序
priority = ['B', 'C', 'A']

# 调用函数并打印结果
result = choose_column_value(data, priority)
print(result)

输出结果：

[5, 8, 3]

在这个示例中，我们创建了一个包含三列的 DataFrame，并且每一列都包含了一些空值。然后，我们定义了列的优先级顺序为 ['B', 'C', 'A']。最后，我们调用 choose_column_value 函数，并打印了返回的结果。结果是一个列表，包含了按照优先级选择的列值。