为从 Pandas 中的另一列派生的列分配值答案

【问题标题】：Assigning a value to a column derived from another column in Pandas为从 Pandas 中的另一列派生的列分配值
【发布时间】：2020-05-25 08:44:19
【问题描述】：

我有一个包含三列文本的数据框。一列（column1）由 3 个唯一条目组成； “H”、“D”、“A”。

我想根据包含“H”、“D”或“A”的列中的条目创建一个新列，其中包含其他两列（column2 和 column3）中的条目。

我试着写一个函数：


def func(x):
   if x== "H":
        return column2
   elif x == "A":
        return column3
   else:
        return "D"

然后我尝试使用.apply() 函数：

df["new_col"] = df["column1"].apply(func)

但这不起作用，因为它无法识别第 2 列和第 3 列。如何访问函数内第 2 列和第 3 列的条目？

【问题讨论】：

请附上Minimal, Reproducible Example。

标签： python python-3.x pandas

【解决方案1】：

您可以将整行发送到函数并访问它的列：

def func(x):
   if x["column1"]== "H":
        return x["column2"]
   elif x["column1"] == "A":
        return x["column3"]
   else:
        return "D"

df["new_col"] = df.apply(lambda x: func(x), axis=1)

【讨论】：

【解决方案2】：

不用.apply可以使用np.select根据条件选择元素：

考虑示例数据框：

df = pd.DataFrame({
    'column1': ['H', 'D', 'A', 'H', 'A'],
    'column2': [1, 2, 3, 4, 5],
    'column3': [10, 20, 30, 40, 50]
})

用途：

import numpy as np

conditions = [
    df['column1'].eq('H'), 
    df['column1'].eq('A')
]

choices = [
    df['column2'], 
    df['column3']]

df['new_col'] = np.select(
    conditions, choices, default='D')

结果：

# print(df)

  column1  column2  column3 new_col
0       H        1       10       1
1       D        2       20       D
2       A        3       30      30
3       H        4       40       4
4       A        5       50      50

【讨论】：

【解决方案3】：

在这里，我正在检索具有所需条件的行并更改 column4 中的相应行。我们可以在pandas dataframe 中使用iloc 来实现这一点。

import pandas as pd

d = {"column1":["H","D","A","D", "H", "H", "A"],"column2":[1,2,3,4,5,6,7],"column3":[12,23,34,45,56,67,87]}
df = pd.DataFrame(d)
df["column4"] = None

df.iloc[list(df[df["column1"] == "H"].index), 3] = df[df["column1"] == "H"]["column2"]
df.iloc[list(df[df["column1"] == "A"].index), 3] = df[df["column1"] == "A"]["column3"]
df.iloc[list(df[df["column4"].isnull()].index), 3] = "D"

上述处理的输出如下，

print(df)

  column1  column2  column3 column4
0       H        1       12       1
1       D        2       23       D
2       A        3       34      34
3       D        4       45       D
4       H        5       56       5
5       H        6       67       6
6       A        7       87      87

【讨论】：

【解决方案4】：

你可以使用 np.select() 函数

import numpy as np
df['column4'] = np.select([df.column1=='H',df.column1=='A'],
                           [df.column2,df.column3], default = 'D')

这是一种 case when 语句，其中第一个参数是要比较的值，第二个参数是对应于该比较的输出。默认是 'else' 语句的关键字参数。

【讨论】：

【解决方案5】：

根据我对您的查询的理解，我将以您的为例进行说明。

考虑这个数据框：

d = {
    "col1": ["H","D","A","H","D","A"],
    "col2": [172,180,190,156,176,182],
    "col3":[80,75,53,80,100,92]
}

df = pd.DataFrame(d)

df

  col1  col2    col3
0   H   172     80
1   D   180     75
2   A   190     53
3   H   156     80
4   D   176     100
5   A   182     92

apply 接受一个 Series 对象，并使用与您传递的数据帧相关的适当索引来访问列。在调用 apply 时，必须传递 axis=1 ，因为您需要每行的列值。最后将返回的系列附加到原始数据框中。

def func(df):
    if df[0] == 'H':
        return df[1]
    elif df[0] == 'A':
        return df[2]
    else:
        return "D"

df['col4'] = df.apply(func, axis=1)

df

  col1  col2    col3    col4
0   H   172     80      172
1   D   180     75      D
2   A   190     53      53
3   H   156     80      156
4   D   176     100     D
5   A   182     92      92

【讨论】：