复制csv的每一列并根据python中的条件更改每个列单元格的值

Question

我是所有东西的新用户，尤其是 python 和 pandas。我有一个包含 1000 多列和大约 250 行的 .csv 文件。行的值为 0 和 1 或空单元格。下面给出了一个csv文件的例子：

  ID       col1   col2    col3  col4 .  . ............... col1000                          
  1          1     0              1                         1
  2          0              1     1                 
  3                1              0                         0                                                                   
  .
  .
  .
  .
 250         0     1              0                         0
         

我想做两件事：

首先，我想复制所有 1000 列（ID 列除外），其单元格值和列名与原始列相同，然后按以下顺序将每个复制的列放在原始列旁边：

col1      col1     col2     col2    col3    col3     col4     col4 ...... col1000      col1000

其次，我想根据以下条件替换单元格中的值：

如果原始单元格中有 1，则复制列中的值应保持为 1，如果原始列单元格中有 0，则复制列中的值应更改为 -1。如果原始单元格为空，则原始单元格和复制单元格的值应填充为 0 值。

输出的 csv 文件将是：

  ID     col1    col1   col2   col2   col3    col3   col4   col4 . ........... col1000   col1000                         
  1        1       1      0     -1      0       0      1      1                    1        1
  2        0      -1      0      0      1       1      1      1                    0        0
  3        0       0      1      1      0       0      0     -1                    0       -1                                                          
  .
  .
  .
  .
 250       0      -1     1       1      0       0      0     -1                    0       -1

我无法解决它，如果有人可以帮助我，我真的很感激；谢谢...

Answer 1

您可以执行以下步骤，诀窍是使用列索引来获取正确的列序列：

# create copied data and concat into original
df2 = pd.concat([df, df.replace(0,-1).fillna(0).drop('ID', axis=1)], 1)

# since column names are same, we need to use index
cols = [x for x in df2.columns if x != 'ID']
cols = dict(enumerate(cols))

# get correct index for column names
cols_index = [x[0] for x in sorted(cols.items(), key=lambda x: x[1])]

# fix column names
idcol = df2[['ID']]
df2 = df2.drop('ID', 1).iloc[:,cols_index]

# add the ID column
df2 = pd.concat([idcol, df2], 1).fillna(0)

print(df2)

   ID  col1  col1  col2  col2  col3  col3
0   1   1.0   1.0   1.0   1.0   1.0   1.0
1   2   0.0   0.0   0.0   0.0   0.0   0.0
2   3   NaN  -1.0   NaN  -1.0   NaN  -1.0
3   4   NaN  -1.0   NaN  -1.0   NaN  -1.0
4   5   1.0   1.0   1.0   1.0   1.0   1.0

样本数据

df = pd.DataFrame({'ID': list(range(1,6)),
                   'col1':[1,0,np.NaN,np.NaN,1],
                   'col2':[1,0,np.NaN,np.NaN,1],
                   'col3':[1,0,np.NaN,np.NaN,1]})

Answer 2

你可以试试这个看看是否有效。

import pandas as pd
import numpy as np

起始数据

df = pd.DataFrame({'col1':[1,0,np.NaN,np.NaN,1],'col2':[1,0,np.NaN,np.NaN,1],'col3':[1,0,np.NaN,np.NaN,1]})

首先复制原始df。

df_copy = df.copy()

然后根据上述条件替换副本中的值。

columns =  df_copy.columns
df_copy[columns] = np.where(df_copy[columns]==0,-1,df_copy[columns])

然后用 0 填充空白值。

df_copy = df_copy.fillna(0)

为排序添加列数。

df.loc['total'] = np.arange(len(df.columns))
df_copy.loc['total'] = np.arange(len(df_copy.columns))

然后将两个df连接在一起

new_df = pd.concat([df,df_copy],axis=1)

使用列计数行对列进行排序，然后从新的 df 中删除该行

new_df = new_df.sort_values(by='total',axis=1)
new_df = new_df.loc[~new_df.index.isin(['total'])]

Answer 3

您可以使用此方法（与使用 pandas 内置函数替换的其他答案类似的方法）：

df2 = df.copy().replace(0,-1).fillna(0).drop(['ID'],1)
df = pd.concat([df.fillna(0),df2],1)

输出和样本输入（对于不同的输入样本，但列的比较是显而易见的）：

输入：

     ID  col1  col2  col3  col4  col1000
0     1     1     0     1   1.0      NaN
1     2     0     1     1   NaN      NaN
2     3     1     0     0   NaN      NaN
250   250     0     1     0   0.0      NaN

输出：

    ID  col1  col2  col3  col4 ... col1000  col1  col2  col3  col4 ... col1000
0    1     1     0     1   1.0      0.0     1    -1     1   1.0      0.0
1    2     0     1     1   0.0      0.0    -1     1     1   0.0      0.0
2    3     1     0     0   0.0      0.0     1    -1    -1   0.0      0.0
...
250  250     0     1     0   0.0      0.0    -1     1    -1  -1.0      0.0