Question

我对Python很陌生，这是我的第一个问题所以请温柔地对待我！

我已经尝试过其他类似问题的答案，但仍然很困难。

我正在使用Pandas，我有一个数据框，它是来自多个不同SQL表的合并，看起来像这样：

Col_1   Col_2   Col_3   Col_4
1       NaN     NaN     NaN
2       Y       NaN     NaN
3       Z       C       S
4       NaN     B       W

我不关心Col_2 Col_3和Col_4中的值（注意这些值可以是字符串，也可以是整数或对象，具体取决于列）

我只关心这些列中至少有一列是填充的，所以理想情况下会喜欢第五列：

Col_1   Col_2   Col_3   Col_4   Col_5
1       NaN     NaN     NaN     0
2       Y       NaN     NaN     1
3       Z       C       S       1
4       NaN     B       W       1

然后我想将Col_2列放到Col_4。

我最初的想法类似于下面的函数，但这会将我的数据帧从50000行减少到50.我不想删除任何行。

def function(row):
   if (isnull.row['col_2'] and isnull.row['col_3'] and isnull.row['col_3'] is None):
      return '0'
   else:
      return '1'

df['col_5'] = df.apply(lambda row: function (row),axis=1)

非常感谢任何帮助。

Answer 1

使用any并传递param axis=1，它会逐行测试，这将生成一个布尔数组，当转换为int时，会将所有True值转换为1和{ {1}}值为False，这比调用0快得多，后者将逐行迭代并且速度非常慢：

apply

以下是In [30]: df['Col_5'] = any(df[df.columns[1:]].notnull(), axis=1).astype(int) df Out[30]: Col_1 Col_2 Col_3 Col_4 Col_5 0 1 NaN NaN NaN 0 1 2 Y NaN NaN 1 2 3 Z C S 1 3 4 NaN B W 1 In [31]: df = df[['Col_1', 'Col_5']] df Out[31]: Col_1 Col_5 0 1 0 1 2 1 2 3 1 3 4 1的输出：

any

<强>计时

In [34]:

any(df[df.columns[1:]].notnull(), axis=1)
Out[34]:
array([False,  True,  True,  True], dtype=bool)

因此，对于df这个大小的测试数据，我的方法比其他答案快2倍

<强>更新

当您运行pandas版本In [35]: %timeit df[df.columns[1:]].apply(lambda x: all(x.isnull()) , axis=1).astype(int) %timeit any(df[df.columns[1:]].notnull(), axis=1).astype(int) 100 loops, best of 3: 2.46 ms per loop 1000 loops, best of 3: 1.4 ms per loop时，您需要调用顶级notnull版本，因为该方法在df级别不可用：

0.12.0

我建议您升级，因为您将获得更多功能和错误修复。

Answer 2

使用函数：

df['col_5'] =df.apply(lambda x: all(x.isnull()) , axis=1)

我的钱更容易阅读。不确定哪个更快。

在其他列中基于NaN的Python新列

2 个答案: