Question

我有以下数据框

df = pd.DataFrame({
    'Column_1': ['Position', 'Start', 'End', 'Position'], 
    'Original_1': ['Open', 'Barn', 'Grass', 'Bubble'], 
    'Latest_1': ['Shut', 'Horn', 'Date', 'Dinner'], 
    'Column_2': ['Start', 'Position', 'End', 'During'], 
    'Original_2': ['Sky', 'Hold', 'Car', 'House'], 
    'Latest_2': ['Pedal', 'Lap', 'Two', 'Force'], 
    'Column_3': ['Start', 'End', 'Position', 'During'], 
    'Original_3': ['Leave', 'Dog', 'Block', 'Hope'], 
    'Latest_3': ['Sear', 'Crawl', 'Enter', 'Night']
})

对于“位置_1”，“列_2”或“列_3”中单词“位置”的每个实例，我想捕获“ Original_1”，“ Original_2”，“ Original_3”中的关联值并将它们分配给新列“ Original_Values”。

以下代码可以完成此操作，但只能逐列进行。

df['Original_Value1'] = df.loc[df['Column_1'] == 'Position', 'Original_1']
df['Original_Value2'] = df.loc[df['Column_2'] == 'Position', 'Original_2']
df['Original_Value3'] = df.loc[df['Column_3'] == 'Position', 'Original_3']

有没有一种方法可以重新创建上面的代码，从而使它遍历整个数据帧（而不是按指定的列）？

我希望创建一个具有以下结果的列（“ Original_values”）：

0      Open
1      Hold
2     Block
3    Bubble
Name: Original_Values, dtype: object

Answer 1

使用df.apply()的一种方式：

def choose_orig(row):
    if row['Column_1'] == 'Position':
        return row['Original_1']
    elif row['Column_2'] == 'Position':
        return row['Original_2']
    elif row['Column_3'] == 'Position':
        return row['Original_3']
    return ''

df['Original_Values'] = df.apply(choose_orig, axis=1)

axis=1的{{1}}参数导致对数据帧的每一行调用一次df.apply()函数。

请注意，当没有列与单词choose_orig()匹配时，它将使用空字符串''的默认值。

Answer 2

如何使用前3个cols创建遮罩（或指定它们的名称），然后将其与6s到9 cols中的值相乘（或指定它们的名称）。然后取max（）值删除nan。

df['Original_Values'] = ((df.iloc[:,:3] == 'Position') * df.iloc[:,6:9].values).max(1)

print(df['Original_values'])

返回：

0      Open
1      Hold
2     Block
3    Bubble
Name: Original_Value, dtype: object

Answer 3

这是通过一些堆叠进行操作的一种愚蠢的方法，如果您的df很大并且需要避免使用axis=1，这可能会更好。

堆叠前三列以创建索引列表，值对应的'Original'列
堆叠要从中获取值的列。使用上面的列表重新索引它，以便您返回适当的值。
根据原始行索引将这些值恢复为原始df。

代码如下：

import re

mask_list = ['Column_1', 'Column_2', 'Column_3']
val_list = ['Original_1', 'Original_2', 'Original_3']

idx = df[mask_list].stack()[df[mask_list].stack() == 'Position'].index.tolist()
idx = [(x , re.sub('(.*_)', 'Original_', y)) for x, y in idx]

df['Original_Values'] = df[val_list].stack().reindex(idx).reset_index(level=1).drop(columns='level_1')

df现在是：

   Column_1  Column_2  Column_3 ... Original_Values
0  Position     Start     Start ...            Open
1     Start  Position       End ...            Hold
2       End       End  Position ...           Block
3  Position    During    During ...          Bubble

如果在'Position'的任何列中均未找到mask_list，则Original_Values变为该行的NaN。如果需要将其缩放到更多列，只需将它们添加到mask_list和val_list。

根据条件提取列值

3 个答案: