使用列表根据多列中的值有条件地填充新列答案

【问题标题】：Use a list to conditionally fill a new column based on values in multiple columns使用列表根据多列中的值有条件地填充新列
【发布时间】：2023-03-21 04:40:01
【问题描述】：

我正在尝试通过使用多个列中的值来填充 pandas 数据框中的新列。原始列是0 或“1”，每个系列只有一个1。通过填充new_col = [1, 3, 7, 10]，新列将对应于 df['A','B','C','D']，如下所示。（1A 表示new_col = 1；如果B=1、new_col = 3 等）

df    
         A    B    C    D
1        1    0    0    0
2        0    0    1    0
3        0    0    0    1
4        0    1    0    0

新的df 应该是这样的。

df    
         A    B    C    D   new_col
1        1    0    0    0         1
2        0    0    1    0         7
3        0    0    0    1        10
4        0    1    0    0         3

我尝试使用map、loc 和where，但似乎无法制定有效的方法来完成它。问题似乎非常接近to this。我看过的其他几篇帖子1 2 3。这些都没有显示如何根据列表有条件地使用多列来填充新列。

【问题讨论】：

标签： python list python-2.7 pandas

【解决方案1】：

我可以想到几种方法，主要涉及 argmax 或 idxmax，以获得我们可以用来填充列的 ndarray 或 Series。

我们可以下拉到numpy，找到最大位置（1 所在的位置）并使用它们来索引 new_col 的数组版本：

In [148]: np.take(new_col,np.argmax(df.values,1))
Out[148]: array([ 1,  7, 10,  3])

我们可以创建一个以 new_col 为值、列为索引的 Series，并使用 idxmax 对其进行索引：

In [116]: pd.Series(new_col, index=df.columns).loc[df.idxmax(1)].values
Out[116]: array([ 1,  7, 10,  3])

我们可以使用 get_indexer 将列 idxmax 结果转换为我们可以与 new_col 一起使用的整数偏移量：

In [117]: np.array(new_col)[df.columns.get_indexer(df.idxmax(axis=1))]
Out[117]: array([ 1,  7, 10,  3])

或者（这似乎很浪费）我们可以用新列创建一个新框架并直接使用 idxmax：

In [118]: pd.DataFrame(df.values, columns=new_col).idxmax(1)
Out[118]: 
0     1
1     7
2    10
3     3
dtype: int64

【讨论】：

【解决方案2】：

这不是最优雅的解决方案，但对我来说它胜过 if/elif/elif 循环：

d = {'A': 1, 'B': 3, 'C': 7, 'D': 10}
def new_col(row):
    k = row[row == 1].index.tolist()[0]
    return d[k]

df['new_col'] = df.apply(new_col, axis=1)

输出：

    A   B   C   D   new_col
1   1   0   0   0   1
2   0   0   1   0   7
3   0   0   0   1   10
4   0   1   0   0   3

【讨论】：