如何在 pandas/python 中使用空值执行条件语句答案

【问题标题】：How to do conditional statements in pandas/python with null values如何在 pandas/python 中使用空值执行条件语句
【发布时间】：2016-12-28 08:26:46
【问题描述】：

如何在 pandas 中进行条件替换？

df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])

在 R 中 - 认为这段代码很容易理解：

library(dplyr)
df = df %>% 
mutate(   #   mutate means create new column for non-r people
my_new_column = ifelse( is.na(the_2nd_column)==TRUE & is.na(the_3rd_column)==TRUE, ' abc', 'cuz')

如何在 pandas 中执行此操作 - 可能是语法上的愚蠢问题，但我听说 np.where 相当于 R 中的 if else ...

df['new_column'] = np.where(np.nan(....help here with a conditional....))

【问题讨论】：

标签： python pandas numpy if-statement null

【解决方案1】：

np.where这样的

df['new_column'] = np.where(df[1].isnull() & df[2].isnull(), 'abc', 'cuz')
print(df)

更多的 numpy 或更快

df['new_column'] = \
    np.where(np.isnan(df[1].values) & np.isnan(df[2].values), 'abc', 'cuz')


     0    1    2 new_column
0  1.0  2.0  3.0        cuz
1  4.0  NaN  NaN        abc
2  NaN  NaN  9.0        cuz

时机

【讨论】：

你能把时间按升序排列吗？中间有一个208us，应该会上升。 :D :P 呵呵
谢谢你这个作品 - 尤其是空.....版本但是如果你不介意我有一个问题。如果我是两个附加两个数据集以及 1 个数据集中存在的 1 列，而另一个数据集中不存在 - is nan 版本会导致错误消息，而 is null 版本有效。似乎 null 对错误更健壮。
或许用更大的数据集进行基准测试会更好吗？

【解决方案2】：

使用np.where

In [279]: df['new'] = np.where(df[[1, 2]].isnull().all(axis=1), 'abc', 'cuz')

In [280]: df
Out[280]:
     0    1    2  new
0  1.0  2.0  3.0  cuz
1  4.0  NaN  NaN  abc
2  NaN  NaN  9.0  cuz

【讨论】：