Question

我面临根据列值将列索引组合到新列中的问题。

    0   1   2   3   4   5   all
0   0   0   4   5   0   0   [2,3]
1   0   2   0   0   0   1   [1,5]
2   0   0   0   0   0   0   []
3   3   0   0   4   5   0   [0,3,4]
4   0   0   0   0   1   0   [4]

我得到了0到5列，并想基于列中的非零值创建列“ all”。我可以根据以下代码整理索引。但是我附加条件的努力失败了。请帮忙。

Xtrn['all'] = Xtrn.apply(lambda row: ','.join(row.index.astype(str)), axis=1)

Answer 1

如果需要通过分隔符连接的值，请使用DataFrame.dot和带有DataFrame.gt的布尔掩码，以获取更大的值，例如0并具有列名：

Xtrn['all'] = Xtrn.gt(0).dot(Xtrn.columns.astype(str) + ',').str[:-1]
print (Xtrn)
   0  1  2  3  4  5    all
0  0  0  4  5  0  0    2,3
1  0  2  0  0  0  1    1,5
2  0  0  0  0  0  0       
3  3  0  0  4  5  0  0,3,4
4  0  0  0  0  1  0      4

或者：

Xtrn['all'] = Xtrn.gt(0).dot(Xtrn.columns.astype(str) + ',').str.rstrip(',')

如果需要列表，请使用带有索引的列表理解：

cols = Xtrn.columns.to_numpy()
Xtrn['all'] = [cols[x].tolist() for x in Xtrn.gt(0).to_numpy()]
print (Xtrn)
   0  1  2  3  4  5        all
0  0  0  4  5  0  0     [2, 3]
1  0  2  0  0  0  1     [1, 5]
2  0  0  0  0  0  0         []
3  3  0  0  4  5  0  [0, 3, 4]
4  0  0  0  0  1  0        [4]

Apply解决方案是可行的，但是很慢，因此如果有很多行或性能很重要，建议不要这样做：

Xtrn['all'] = Xtrn.gt(0).apply(lambda row: ','.join(row.index[row].astype(str)), axis=1)

Xtrn['all'] = Xtrn.gt(0).apply(lambda row: row.index[row].tolist(), axis=1)

Answer 2

您可以仅使用enumerate来获取诸如

>>> df
   0  1  2  3  4  5
0  0  0  4  5  0  0
1  0  2  0  0  0  1
2  0  0  0  0  0  0
3  3  0  0  4  5  0
>>> 
>>> 
>>> df['all'] = df.apply(lambda x: [idx for idx,v in enumerate(x) if v > 0], axis=1)
>>> df
   0  1  2  3  4  5        all
0  0  0  4  5  0  0     [2, 3]
1  0  2  0  0  0  1     [1, 5]
2  0  0  0  0  0  0         []
3  3  0  0  4  5  0  [0, 3, 4]
>>>

Answer 3

有些不同

df.apply(lambda x : x.index[x > 0].tolist(), axis=1)
Out[316]: 
0       [2, 3]
1       [1, 5]
2           []
3    [0, 3, 4]
4          [4]
dtype: object

根据列值的条件组合列索引

3 个答案: