数据框中的条件新列

时间:2018-11-05 06:31:33

标签: python pandas dataframe

例如,我有一个数据框:

      B1   B2   B3  B4  BCS ULCA     MIMO 
6    28A   1A             0    .       1A   
7    28A   1A             1    .       1A    
8     3A   1A             0    .       1A  
9     3A   1A             1    .       1A   
10    3A   1A             0    .       3A   
11    3A   1A             1    .       3A  
12    3A   1A             0    .    1A-3A   
13    3A   1A             1    .    1A-3A   

,然后使用np.where作为新列执行条件: 如果B1-B4的值等于MIMO,则将4放在新列中,否则,将2

b['B1_m'] = np.where(b['B1'] == b['MIMO'], '4', '2')
b['B2_m'] = np.where(b['B2'] == b['MIMO'], '4', '2')
b['B3_m'] = np.where(b['B3'] == b['MIMO'], '4', '2')
b['B4_m'] = np.where(b['B4'] == b['MIMO'], '4', '2')

但是我的输出在某些行(第10、11行)有一些错误:

          B1   B2   B3  B4  BCS ULCA     MIMO B1_m B2_m B3_m B4_m
    6    28A   1A             0    .       1A    2    4    2    2
    7    28A   1A             1    .       1A    2    4    2    2
    8     3A   1A             0    .       1A    2    4    2    2
    9     3A   1A             1    .       1A    2    4    2    2
    10    3A   1A             0    .       3A    2    2    2    2
    11    3A   1A             1    .       3A    2    2    2    2
    12    3A   1A             0    .    1A-3A    2    2    2    2
    13    3A   1A             1    .    1A-3A    2    2    2    2

有什么提示吗?


更新

d = b.loc[9:12, ['B1','MIMO']].to_dict(orient='list')
print(d)

输出:

{'B1': ['3A', '3A', '3A', '3A'], 'MIMO': ['1A', ' 3A', ' 3A', ' 1A-3A']}

1 个答案:

答案 0 :(得分:1)

有一个问题,必须通过str.strip删除对白空格:

b['MIMO'] = b['MIMO'].str.strip()

另外,您的解决方案应使用eq重写为一个np.where,以进行比较:

cols = ['B1','B2','B3','B4']
arr = np.where(b[cols].eq(b['MIMO'], axis=0), '4','2')
#alternative
#arr = np.where(b[cols].values == b['MIMO'].values[:, None], '4','2')

b = b.join(pd.DataFrame(arr, columns=cols, index=b.index).add_suffix('_m'))
print (b)
     B1  B2  B3  B4  BCS ULCA   MIMO B1_m B2_m B3_m B4_m
6   28A  1A NaN NaN    0    .     1A    2    4    2    2
7   28A  1A NaN NaN    1    .     1A    2    4    2    2
8    3A  1A NaN NaN    0    .     1A    2    4    2    2
9    3A  1A NaN NaN    1    .     1A    2    4    2    2
10   3A  1A NaN NaN    0    .     3A    4    2    2    2
11   3A  1A NaN NaN    1    .     3A    4    2    2    2
12   3A  1A NaN NaN    0    .  1A-3A    2    2    2    2
13   3A  1A NaN NaN    1    .  1A-3A    2    2    2    2