检查列中是否有字符串，然后从同一索引的另一列返回值答案

【问题标题】：Check if string in a column, then return value from another column at the same index检查列中是否有字符串，然后从同一索引的另一列返回值
【发布时间】：2022-11-10 23:49:18
【问题描述】：

Contact	Old Contact
234255	987778
343556	987877
Missing	984567
Missing
Missing	845665
343556	789998

鉴于上表，我希望浏览“联系人”下的每一行并检查是否丢失。如果该行有缺失，请使用相应的“旧联系人”值代替文本“缺失”。如果旧联系人为空，则将其保留为“缺失”

所需表：

Contact	Old Contact
234255	987778
343556	987877
984567	984567
Missing
845665	845665
343556	789998

df['Contact'] = df['Contact'].apply(
    lambda x: df['Old Contact'] if "Missing" in x else x)

上面的行给了我整列“旧联系人”缺失的地方。我不确定如何在这里使用索引来获得我想要的东西。提前致谢！

【问题讨论】：

你可以检查df["contact"] = np.where("Missing" in df['Old Contact'], df['Old Contact'], df['contact'])

标签： python pandas dataframe apply

【解决方案1】：

使用mask

df['Contact'].mask(df['Contact'].eq('Missing'), df['Old Contact'].fillna('Missing'))

输出：

0      234255
1      343556
2      984567
3     Missing
4      845665
5      343556
Name: Contact, dtype: object

使结果到Contact 列

【讨论】：

【解决方案2】：

我有一段时间没有使用熊猫了，所以我确信有更好的解决方案，但蛮力方法可能是：

for idx in df.index:
    if (df.iloc[idx]['Contact']=='Missing'):
        if len(df.iloc[idx]['Old Contact'].strip()):
            df.iloc[idx]['Contact']=df.iloc[idx]['Old Contact']

【讨论】：

【解决方案3】：

使用.where 和.assign

df = df.assign(
    Contact=df["Contact"].where(df["Contact"].ne("Missing"), df["Old Contact"]).fillna("Missing")
).fillna("")
print(df)

    Contact Old Contact
0    234255    987778.0
1    343556    987877.0
2  984567.0    984567.0
3   Missing            
4  845665.0    845665.0
5    343556    789998.0

【讨论】：

【解决方案4】：

您有两个要检查的条件。您可以在多个条件 if 语句 (https://www.geeksforgeeks.org/check-multiple-conditions-in-if-statement-python/) 中检查这两个条件，同时遍历 df.index 中的每个条目。

for idx in df.index:
    if (df.iloc[idx]['Contact']=='Missing') & (df.iloc[idx]['Old Contact']!=''):
        df.iloc[idx]['Contact']=df.iloc[idx]['Old Contact']
    elif (df.iloc[idx]['Contact']=='Missing') & (df.iloc[idx]['Old Contact']==''):
        df.iloc[idx]['Contact']='Missing'
    else: pass

输出：

df

    Contact Old Contact
0   234255  987778
1   343556  987877
2   984567  984567
3   Missing 
4   845665  845665
5   343556  789998

【讨论】：