Python / Pandas - 基于多个条件的新列

Question

我想创建一个新列，它必须在多个地方遵守多个条件。我有三个数据帧： - 我想将该列添加到：data

ID Timestamp
25 201605252300 #Y/M/D/H/M
29 201605252315
94 201605252015

- 包含有关数据可用性信息的文件：dataavail

Timestamp    Availability
201605252300 True
201605252315 False
201605252015 True

- 包含实际数据weatherdata

的那个

ID Timestamp    Precipitation
25 201605252300 1

问题是，如果没有下雨，那么{em>不标记为weatherdata.Precipitation为0，但是weatherdata。但是，并非所有缺失的数据都意味着没有降水，也可能意味着技术故障。这就是dataavail的用武之地。如果Timestamp中的data Availability为False，则表示存在技术问题并且没有数据。如果Timestamp中的data Availability为True，则表示降水实际为0.

现在，我想将此信息合并到data字段中。所以： 如果Timestamp/ID中存在来自data的{​​{1}}对，则只需从中提取信息即可。 如果来自weatherdata的{​​{1}}对Timestamp/ID中不存在，则应检查data数据帧，如果weatherdata为dataavail， Availability应为True，否则应为Precipitation，以便我以后可以将其归咎于此。

因此，对于上面的示例，所需的输出将是

0

在这样的设置中使用什么语法，必须根据子条件满足多个条件？谢谢！

更新

试过jezrael的解决方案。我有以下数据帧：

然后我对它们NA/NaN。结果：

我已经以编程方式进行了检查，ID Timestamp Precipitation 25 201605252300 1 29 201605252315 NaN 94 201605252015 0 中的所有数据都是mergedAll = pd.merge(imp_df, precip, on=['SId','Time'], how='left')。 Intensity匹配：

更新2

将数据排序后，˙mask˙部分仍然不起作用：

即使NaN位于可用性数据框中，强度也会转换为dtypes而不是0。

Answer 1

我认为你需要：

#add weatherdata data if exist
df = pd.merge(data, weatherdata, on=['ID','Timestamp'], how='left')

#get Timestamp values where True in column Availability
vals = dataavail.loc[dataavail.Availability, 'Timestamp']
print (vals)
0    201605252300
2    201605252015
Name: Timestamp, dtype: int64

#True if exist Timistamps in vals and if not exist in df (NaN)
mask = df.Timestamp.isin(vals) & df.Precipitation.isnull()
#convert True to 0
df.Precipitation = df.Precipitation.mask(mask, 0)
print (df)
   ID     Timestamp  Precipitation
0  25  201605252300            1.0
1  29  201605252315            NaN
2  94  201605252015            0.0