根据熊猫中的条件获取列名

Question

我有一个如下的数据框：

如果特定行的列在该列中包含 1，我想获取该列的名称。

例如

For Row 1: Blanks,
For Row 2: Manufacturing,
For Row 3: Manufacturing,
For Row 4: Manufacturing,
For Row 5: Social, Finance, Analytics, Advertising,

现在我只能获得完整的行：

primary_sectors = lambda primary_sector: sectors[
    sectors["category_list"] == primary_sector
]

请帮我获取上述数据框中列的名称。

我试过这段代码：

primary_sectors("3D").filter(items=["0"])

它给我输出为1，但我需要输出为Manufacturing

Answer 1

首先

您的问题非常含糊，我建议在@sammywemmy 的评论中阅读link。如果我正确理解您的问题...我们将首先讨论这个面具：

df.columns[      
    (df == 1)        # mask 
    .any(axis=0)     # mask
]

发生了什么事？让我们从df.columns[**HERE**] 开始向外工作：

1. (df == 1) 使用 True/False(1/0) 对 df 进行布尔掩码
2. .any() 根据docs：

“返回 False，除非在系列中或沿 Dataframe 轴至少有一个元素为 True 或等效”。

这给了我们一个方便的Series 来屏蔽列名。

我们将使用此示例为您的以下解决方案自动化

---

下一步：

自动获取(<row index> ,[<col name>, <col name>,..]) 的输出，其中行值中有1。虽然这在大型数据集上会慢一些，但它应该可以解决问题：

import pandas as pd

data = {'foo':[0,0,0,0], 'bar':[0, 1, 0, 0], 'baz':[0,0,0,0], 'spam':[0,1,0,1]}
df = pd.DataFrame(data, index=['a','b','c','d'])

print(df)

   foo  bar  baz  spam
a    0    0    0     0
b    0    1    0     1
c    0    0    0     0
d    0    0    0     1

# group our df by index and creates a dict with lists of df's as values
df_dict = dict(
    list(
        df.groupby(df.index)
    )
)

下一步是 for 循环，它迭代 df_dict 中每个 df 的内容，使用我们之前创建的掩码检查它们，并打印预期的结果：

for k, v in df_dict.items():               # k: name of index, v: is a df
    check = v.columns[(v == 1).any()]
    if len(check) > 0:
        print((k, check.to_list()))

('b', ['bar', 'spam'])
('d', ['spam'])

旁注：

您看到我如何生成可以轻松复制的示例数据了吗？今后，请尝试使用可复制的已发布示例数据提出问题。这样可以帮助您更好地了解您的问题，我们也更容易为您解答。

Answer 2

使用DataFrame.dot:

df1 = df.dot(df.columns)

如果每行有多个1：

df2 = df.dot(df.columns + ';').str.rstrip(';')

Answer 3

获取列名分为两部分。

如果你想要一个新的列名，那么条件应该是唯一的，因为它只会为每一行提供 1 个列名。

data = {'foo':[0,0,3,0], 'bar':[0, 5, 0, 0], 'baz':[0,0,2,0], 'spam':[0,1,0,1]}
df = pd.DataFrame(data)
df=df.replace(0,np.nan)
df
    foo bar baz spam
0   NaN NaN NaN NaN
1   NaN 5.0 NaN 1.0
2   3.0 NaN 2.0 NaN
3   NaN NaN NaN 1.0

如果您正在寻找最小值或最大值

max= df.idxmax(1)
min = df.idxmin(1)
out=  df.assign(max=max , min=min)
out

    foo bar baz spam   max    min
0   NaN NaN NaN NaN    NaN    NaN
1   NaN 5.0 NaN 1.0    bar    spam
2   3.0 NaN 2.0 NaN    foo    baz
3   NaN NaN NaN 1.0    spam   spam

第二种情况，如果您的条件在多个列中得到满足，例如您正在寻找包含 1 的列并且您正在寻找列表，因为它无法在同一数据帧中进行调整。

str_con= df.astype(str).apply(lambda x:x.str.contains('1.0',case=False, na=False)).any()
df.column[str_con]
#output
Index(['spam'], dtype='object') #only spam contains 1

或者您正在寻找数值条件列包含大于 1 的值

num_con = df.apply(lambda x:x>1.0).any()
df.columns[num_con]
#output
Index(['foo', 'bar', 'baz'], dtype='object') #these col has higher value than 1

快乐学习