Question

我有一个Dataframe，它有一个电影名称列和3个其他列（让他们称之为A，B和C），这些列是来自3个不同来源的评级。有很多电影只有一个评级，一些电影与3个论坛的组合，有些没有评级。我想创建一个新列：

如果列具有关联的评级，请使用A.
如果A列为空，请从B获得相关评级。
如果B列为空，则从C获得相关评级。
如果C列为空，请返回＆＃34;未评级＆＃34;

到目前为止，这是我的代码中的内容：

def check_rating(rating):
    if newyear['Yahoo Rating'] != "\\N":
        return rating
    else:
        if newyear['Movie Mom Rating'] != "\\N":
            return rating
        else:
            if newyear['Critc Rating'] != "\\N":
                return rating
            else:
                return "Unrated"

df['Rating'] = df.apply(check_rating, axis=1)

我得到的错误是：

ValueError: ('The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().', 'occurred at index 0')

对于我的数据框的视觉效果，这里是newyear.head()：

newyear dataframe

我不确定此值错误意味着解决此问题的方法，以及这是否是正确的方法。

Answer 1

我会做这样的事情：

df = df.replace('\\N', np.nan)  # this requires import numpy as np
(df['Yahoo Rating'].fillna(df['Movie Mom Rating']
                   .fillna(df['Critic Rating']
                   .fillna("Unrated"))))

您的代码无法正常工作的原因是newyear['Yahoo Rating'] != "\\N"是一个布尔数组。你在这里说的是if [True, False, True, False]:。这是歧义的根源。你如何评估这种情况？如果所有这些都是真的，或者只是其中一个是足够的，你会执行吗？

作为M. Klugerford explained，您可以对其进行更改，以便逐行进行评估（因此返回单个值）。但是，逐行应用操作通常很慢，并且pandas具有处理丢失数据的强大工具。这就是我建议这一点的原因。

Answer 2

您在原始函数中返回rating ..但rating是行，而不是任何列的值

>>> df
    A   B   C Genre Title Year
0   7   6  \N    g1    m1   y1
1  \N   5   7    g2    m2   y2
2  \N  \N  \N    g3    m3   y3
3  \N   4   1    g4    m4   y4
4  \N  \N   3    g5    m5   y5

>>> def rating(row):
    if row['A'] != r'\N':
        return row['A']
    if row['B'] != r'\N':
        return row['B']
    if row['C'] != r'\N':
        return row['C']
    return 'Unrated'

>>> df['Rating'] = df.apply(rating, axis = 1)
>>> df
    A   B   C Genre Title Year   Rating
0   7   6  \N    g1    m1   y1        7
1  \N   5   7    g2    m2   y2        5
2  \N  \N  \N    g3    m3   y3  Unrated
3  \N   4   1    g4    m4   y4        4
4  \N  \N   3    g5    m5   y5        3

如何基于其他三列之一创建新列？

2 个答案: