数据帧的条件语句

Question

我有一个数据框，如下所示。 Dataframe start

我想查看 D、F、M、P 列并返回一个 Result 列，该列是每行中出现次数最多的值。

我要确保此语句遵循的规则是： 1) 如果包含 2 个 IG 和 2 个 HY 的行之间存在拆分，则在 Result 列中返回 HY。
2) 如果列包含 NaN 值，则忽略它并使用其他可用值。

我希望生成的数据框如下所示： Result_DF

df_Start = pd.DataFrame({'P':['IG','HY','IG',np.nan,'HY'], 'M':['HY','HY','IG', np.nan,'IG'], 'F':['HY',np.nan,'HY', np.nan,'IG'],'D':['IG','IG','IG', 'HY','IG']})

df_end = pd.DataFrame({'Result':['HY','HY','IG', 'HY','IG'],'P':['IG','HY','IG',np.nan,'HY'], 'M':['HY','HY','IG', np.nan,'IG'], 'F':['HY',np.nan,'HY', np.nan,'IG'],'D':['IG','IG','IG', 'HY','IG']})




def f(x):

frequencies = pd.Series(data=[y for y in x if pd.isnull(y)==False]).value_counts()
a,b,c = 0,0,0
if 'IG' in frequencies:
    b = frequencies['IG']
if 'HY' in frequencies:
    a = frequencies['HY']
if 'PFA' in frequencies: 
    c = frequencies['PFA']
return 'PFA' if c > 0 elif 

for i,row in new_df.iterrows(): new_df.loc[i,'result'] = f(row)

Answer 1

试试这个，让我知道它是否有效

def f(x):
    frequencies = pd.Series(data=[y for y in x if np.isnan(y)==False]).value_counts()

    a,b = frequencies['HY'],frequencies['IG']


    return 'HY' if a>=b else 'IG'
df['result'] = df.columns[['D','F','M','P']].apply(lambda x: f(x))

我现在无法弄清楚为什么上述方法不起作用

def f(x):

    frequencies = pd.Series(data=[y for y in x if pd.isnull(y)==False]).value_counts()
    a,b,c = 0,0,0
    if 'IG' in frequencies:
        b = frequencies['IG']
    if 'HY' in frequencies:
        a = frequencies['HY']
    if 'PFA' in frequencies:
        c = frequencies['PFA']
    if c>=1:
        return 'PFA'
    else:
        return 'HY' if a>=b else 'IG'


for i,row in df_Start.iterrows():
    df_Start.loc[i,'result'] = f(row)

新的应该可以工作。