Pandas - 根据行值有条件地选择新列的数据源列

时间:2014-05-29 13:46:43

标签: python pandas

是否有pandas功能允许根据条件从不同的列中进行选择?这类似于SQL Select子句中的CASE语句。例如,假设我有以下DataFrame:

foo = DataFrame(
    [['USA',1,2],
    ['Canada',3,4],
    ['Canada',5,6]], 
    columns = ('Country', 'x', 'y')
)

我想在Country =='USA'时从列'x'中选择,在Country =='Canada'时从列'y'中选择,产生如下内容:

  Country  x  y  z
0     USA  1  2  1
1  Canada  3  4  4
2  Canada  5  6  6

[3 rows x 4 columns]

5 个答案:

答案 0 :(得分:11)

使用DataFrame.where' other参数和pandas.concat

>>> import pandas as pd
>>>
>>> foo = pd.DataFrame([
...     ['USA',1,2],
...     ['Canada',3,4],
...     ['Canada',5,6]
... ], columns=('Country', 'x', 'y'))
>>>
>>> z = foo['x'].where(foo['Country'] == 'USA', foo['y'])
>>> pd.concat([foo['Country'], z], axis=1)
  Country  x
0     USA  1
1  Canada  4
2  Canada  6

如果您希望z作为列名,请指定keys

>>> pd.concat([foo['Country'], z], keys=['Country', 'z'], axis=1)
  Country  z
0     USA  1
1  Canada  4
2  Canada  6

答案 1 :(得分:5)

这样可行:

In [84]:

def func(x):
    if x['Country'] == 'USA':
        return x['x']
    if x['Country'] == 'Canada':
        return x['y']
    return NaN
foo['z'] = foo.apply(func(row), axis = 1)
foo
Out[84]:
  Country  x  y  z
0     USA  1  2  1
1  Canada  3  4  4
2  Canada  5  6  6

[3 rows x 4 columns]

您可以使用loc

In [137]:

foo.loc[foo['Country']=='Canada','z'] = foo['y']
foo.loc[foo['Country']=='USA','z'] = foo['x']
foo
Out[137]:
  Country  x  y  z
0     USA  1  2  1
1  Canada  3  4  4
2  Canada  5  6  6

[3 rows x 4 columns]

修改

虽然使用loc时笨拙但使用较大的数据帧会更好地扩展,因为这里的每个行都会调用apply,而使用布尔索引会进行矢量化。

答案 2 :(得分:1)

这是一个通用的解决方案,可以在另一列中选择给定值的任意列。

这样做的另一个好处是可以在简单的dict结构中分离查找逻辑,从而可以轻松修改。

import pandas as pd
df = pd.DataFrame(
    [['UK', 'burgers', 4, 5, 6],
    ['USA', 4, 7, 9, 'make'],
    ['Canada', 6, 4, 6, 'you'],
    ['France', 3, 6, 'fat', 8]],
    columns = ('Country', 'a', 'b', 'c', 'd')
)

我扩展到一个操作,其中条件结果存储在外部查找结构中(dict

lookup = {'Canada': 'd', 'France': 'c', 'UK': 'a', 'USA': 'd'}

pd.DataFrame中存储的每个列循环dict,并使用条件表中的值来确定要选择的列

for k,v in lookup.iteritems():
    filt = df['Country'] == k
    df.loc[filt, 'result'] = df.loc[filt, v] # modifies in place

给生命课

In [69]: df
Out[69]:
  Country        a  b    c     d   result
0      UK  burgers  4    5     6  burgers
1     USA        4  7    9  make     make
2  Canada        6  4    6   you      you
3  France        3  6  fat     8      fat

答案 3 :(得分:0)

我的尝试:

temp1 = foo[(foo['Country'] == 'Canada')][['Country', 'y']].rename(columns={'y': 'z'})
temp2 = foo[(foo['Country'] == 'USA')][['Country', 'x']].rename(columns={'x': 'z'})
wanted_df = pd.concat([temp1, temp2])

答案 4 :(得分:0)

numpy.select非常适合该工作,尤其是有多种选择的情况。在数据帧中效果很好:

conditions = [
    foo['Country'] == 'USA', 
    foo['Country'] == 'Canada',
]

choices = [
    foo['x'],
    foo['y'],
]

foo['z'] = np.select(conditions, choices, default = pd.NA)