在不覆盖以前的情况下迭代 Pandas 数据框答案

【问题标题】：Iterating Over Pandas Dataframe Without Overwriting Previous在不覆盖以前的情况下迭代 Pandas 数据框
【发布时间】：2021-11-09 04:56:19
【问题描述】：

这里的第一篇文章寻求我无法解决的解决方案。我本质上是在尝试迭代熊猫数据框而不覆盖以前的数据框。目前，我有获取第一个实例但无法迭代下一组“值”的代码。见下文。非常感谢任何帮助！

import pandas as pd
import numpy as np

# load csv data
data = pd.read_csv(r"C:\Users\Admin\Desktop\data.csv")

# convert csv data to pandas dataframe
df = pd.DataFrame(data, columns = ["Date", "B1", "B2", "B3", "B4", "B5"]

主代码：

for n in range(1,10):
    df[n] = pd.Series(["X" if df.iat[x,y] == n else "" for y in range(1,6) for x in range(0,4)])

输出表不正确：

Date	B1	B2	B3	B4	B5	1	2	3	5
8/22/19	2	3	38	39	40		X
8/25/19	5	8	16	20	25				X
8/27/19	3	4	19	35	39			X
8/29/19	1	2	6	15	19	X

正确的输出表：

Date	B1	B2	B3	B4	B5	1	2	3	4	5	6	8
8/22/19	2	3	38	39	40		X	X
8/25/19	5	8	16	20	25					X		X
8/27/19	3	4	19	35	39			X	X
8/29/19	1	2	6	15	19	X	X				X

我希望这是有道理的。谢谢！！ :)

【问题讨论】：

你能解释一下你到底想要做什么吗？
欢迎您。请尝试生成mcve
一个潜在问题：您正在遍历整个 4x5 的原始 DataFrame，但您创建的每个新列只有 4 行可用 - 这意味着您要为新列分配 20 个值只有 4 行
n 列是数字，而 B1-B5 是乐透数据集的中奖号码。寻找识别中奖号码的代码到 n 列的新表中以供以后使用。 n 列实际上是 52，但为了这篇文章，我减少了列

标签： python pandas numpy loops

【解决方案1】：

我认为使用apply 函数会使事情变得更容易：每当您创建一个新列时，您都会遍历 DataFrame 的每一行，如果列值为，则新列的每一行都设置为“X”包含在正在考虑的行中。为避免覆盖任何内容，您可以通过 "Date" 索引 DataFrame，并且只将此函数应用于 DataFrame 的前 5 列。

for n in range(1,10):
    df[n] = df.iloc[:,:5].apply(lambda x: "X" if n in x.values else "", axis=1)

结果：

df
         B1  B2  B3  B4  B5  1  2  3  4  5  6 7  8 9
Date                                                
8/22/19   2   3  38  39  40     X  X                
8/25/19   5   8  16  20  25              X       X  
8/27/19   3   4  19  35  39        X  X             
8/29/19   1   2   6  15  19  X  X           X

【讨论】：

【解决方案2】：

让我们尝试不使用 for 循环并应用

s = df.filter(like='B').stack()
s = pd.crosstab(s.index.get_level_values(level=0),s).replace({0:'',1:'X'})
s.columns = s.columns.astype(str)
out = s.reindex(columns = df.columns).combine_first(df)
          Date   B1   B2    B3    B4    B5  1  2  3  4  5  6 7  8
row_0                                                            
0      8/22/19  2.0  3.0  38.0  39.0  40.0     X  X              
1      8/25/19  5.0  8.0  16.0  20.0  25.0              X       X
2      8/27/19  3.0  4.0  19.0  35.0  39.0        X  X           
3      8/29/19  1.0  2.0   6.0  15.0  19.0  X  X           X

【讨论】：