Question

假设我具有以下DataFrame对象：

import pandas as pd

df = pd.DataFrame({'r1' : [0, 0, 'str1', 'str2', 0 ,0 ,0], 'r2' : ['str1', 'str2', 0, 0, 'str3', 'str4', 'str5']})
df
Out[45]: 
     r1    r2
0     0  str1
1     0  str2
2  str1     0
3  str2     0
4     0  str3
5     0  str4
6     0  str5

r1在“正在完成” r2的情况下（当一个是0时另一个是string），反之亦然。

将两者结合起来并获得以下DataFrame的最快方法是什么：

    r_u
0  str1
1  str2
2  str1
3  str2
4  str3
5  str4
6  str5

Answer 1

使用pd.Series.mask和pd.Series.ffill，然后使用iloc访问者：

df['r3'] = df.mask(df.eq(0)).ffill(1).iloc[:, -1]

print(df)

     r1    r2    r3
0     0  str1  str1
1     0  str2  str2
2  str1     0  str1
3  str2     0  str2
4     0  str3  str3
5     0  str4  str4
6     0  str5  str5

要稍微提高速度，可以使用NumPy数组进行比较，即将df.eq(0)替换为df.values == 0。

Answer 2

如果性能很重要，请使用numpy.select：

#more general solution 
df = pd.DataFrame({'r1' : [0, 0, 'str1', 'str2', 0 ,0 ,0, 0, 'str7'], 
                   'r2' : ['str1', 'str2', 0, 0, 'str3', 'str4', 'str5', 0, 'str8']})
print (df)
     r1    r2
0     0  str1
1     0  str2
2  str1     0
3  str2     0
4     0  str3
5     0  str4
6     0  str5
7     0     0 
8  str7  str8

如果两个0的预期输出都在default参数中定义，并且两个字符串都可以按掩码和列的顺序进行优先排序：

m1 = df['r1'] != 0
m2 = df['r2'] != 0
df['r3'] = np.select([m1, m2], [df['r1'], df['r2']], default=None)
df['r4'] = np.select([m2, m1], [df['r2'], df['r1']], default=None)

print (df)
     r1    r2    r3    r4
0     0  str1  str1  str1
1     0  str2  str2  str2
2  str1     0  str1  str1
3  str2     0  str2  str2
4     0  str3  str3  str3
5     0  str4  str4  str4
6     0  str5  str5  str5
7     0     0  None  None
8  str7  str8  str7  str8

Answer 3

尝试：

df['r3']=(df['r1'].astype(str) + df['r2'].astype(str)).str.replace('0', '')

Answer 4

仅出于多样性的考虑-您还可以使用NETWORK_NAME=my_local_network if [ -z $(docker network ls --filter name=^${NETWORK_NAME}$ --format="{{ .Name }}") ] ; then docker network create ${NETWORK_NAME} ; fi：

df.lookup()

但是，这不是最快的解决方案，因为afaik @jezrael发布了最快的解决方案：

10000次重复的timeit结果：

df['r3'] = df.lookup(df.index, [['r1', 'r2'][int(v==0)] for v in df.r1])

熊猫-团结完成专栏

4 个答案: