熊猫有条件地选择多列答案

【问题标题】：pandas select multiple columns conditionally熊猫有条件地选择多列
【发布时间】：2017-05-16 04:09:14
【问题描述】：

假设我有一个数据框：

C1 V1 C2 V2 Cond
1  2  3  4  X  
5  6  7  8  Y  
9  10 11 12 X

语句应返回：if Cond == X, pick C1 and C2, else pick C2 and V2。

输出数据框类似于：

** 编辑：再添加一个要求：列数可以更改，但遵循一些命名模式。在这种情况下，选择其中包含“1”的所有列，否则选择“2”。我认为硬编码的解决方案可能不起作用。

【问题讨论】：

Create Column with ELIF in Pandas的可能重复
indexer = {'X': ['C1', 'V1'], 'Y': ['C2', 'V2']}; pd.concat([pd.DataFrame(df.loc[df.Cond==k, v].values, columns= ['C','V']) for k,v in indexer.items()]) 是这样做的一种方法，但它不保留行的顺序。

标签： python pandas conditional extract multiple-columns

【解决方案1】：

DataFrame.where() 的另一个选项：

df[['C1', 'V1']].where(df.Cond == "X", df[['C2', 'V2']].values)

#  C1   V1
#0  1    2
#1  7    8
#2  9   10

【讨论】：

【解决方案2】：

我尝试使用filter 和numpy.where 创建更通用的解决方案，对于新列名使用extract：

#if necessary sort columns
df = df.sort_index(axis=1)

#filter df by 1 and 2
df1 = df.filter(like='1')
df2 = df.filter(like='2')
print (df1)
   C1  V1
0   1   2
1   5   6
2   9  10

print (df2)
   C2  V2
0   3   4
1   7   8
2  11  12

#np.where need same shape of mask as df1 and df2
mask = pd.concat([df.Cond == 'X']*len(df1.columns), axis=1)
print (mask)
    Cond   Cond
0   True   True
1  False  False
2   True   True

cols = df1.columns.str.extract('([A-Za-z])', expand=False)
print (cols)
Index(['C', 'V'], dtype='object')

print (np.where(mask, df1,df2))
Index(['C', 'V'], dtype='object')
[[ 1  2]
 [ 7  8]
 [ 9 10]]

print (pd.DataFrame(np.where(mask, df1, df2), index=df.index, columns=cols))
   C   V
0  1   2
1  7   8
2  9  10

【讨论】：

【解决方案3】：

drop Cond 专注于我从中选择的值
reshape numpy 数组，所以我可以用布尔值区分
使用np.arange(len(df)) 索引第一个维度，每行一次
用df.Cond.ne('X').mul(1) 索引第二个维度。 0 等于 X
构建最终数据帧

pd.DataFrame(
    df.drop('Cond', 1).values.reshape(3, 2, 2)[
        np.arange(len(df)),
        df.Cond.ne('X').mul(1)
    ], df.index, ['C', 'V'])

   C   V
0  1   2
1  7   8
2  9  10

【讨论】：

【解决方案4】：

如果行的顺序不重要，您可以使用df.loc 和df.append。

ndf1 = df.loc[df['Cond'] == 'X', ['C1','V1']]
ndf2 = df.loc[df['Cond'] == 'Y', ['C2','V2']]
ndf1.columns = ['C','V']
ndf2.columns = ['C','V']

result = ndf1.append(ndf2).reset_index(drop=True)
print(result)
   C   V
0  1   2
1  9  10
2  7   8

【讨论】：

【解决方案5】：

您可以尝试使用类似于this post 的方法

首先，定义几个函数：

def cond(row):
    return row['Cond'] == 'X'

def helper(row, col_if, col_ifnot):
    return row[col_if] if cond(row) else row[col_ifnot]

然后，假设您的数据框名为df，

df_new = pd.DataFrame(index=df.index)
for col in ['C', 'V']:
    col_1 = col + '1'
    col_2 = col + '2'
    df_new[col] = df.apply(lambda row: helper(row, col_1, col_2), axis=1)

请记住，这种方法对于大型数据帧可能会很慢，因为apply 没有利用矢量化。但是，它甚至可以使用任意列名（只需将 ['C', 'V'] 替换为您的实际列名）。

【讨论】：