返回值基于以逗号分隔的列和其他两列

Question

我有一张桌子：

我想添加一列（评估），该列返回cars列中的元素之一（以逗号分隔）。返回的元素将基于法拉利和丰田的专栏。 “评估”列返回个人没有的元素。以第一行为例，约翰有一辆法拉利，没有丰田。由于约翰没有丰田，因此评估列将返回丰田。

我希望使用“汽车”列做出决定，用逗号分隔文本，然后根据法拉利和丰田的值查找文本

Answer 1

您可以使用：

df = pd.DataFrame({'Names':['John'] * 2 + ['Peter'] * 2 + ['Sam'] * 2,
                   'Cars':['Ferrari, Toyota','Ferrari','Ferrari, Toyota','Ferrari',
                           'Ferrari, Toyota','Ferrari, Toyota'],
                   'Ferrari': [1,1,0,0,1,1], 
                   'Toyota': [0,1,1,0,1,0]})

df['Evaluation1'] = df.iloc[:, 2:].ne(1).dot(df.columns[2:] + ', ').str.rstrip(', ')
print (df)
   Names             Cars  Ferrari  Toyota      Evaluation1
0   John  Ferrari, Toyota        1       0           Toyota
1   John          Ferrari        1       1                 
2  Peter  Ferrari, Toyota        0       1          Ferrari
3  Peter          Ferrari        0       0  Ferrari, Toyota
4    Sam  Ferrari, Toyota        1       1                 
5    Sam  Ferrari, Toyota        1       0           Toyota

详细信息：

首先用iloc使所有不具有前2个列的列都成立，并创建布尔掩码-通过ne（!=）进行比较：

print (df.iloc[:, 2:].ne(1))
   Ferrari  Toyota
0    False    True
1    False   False
2     True   False
3     True    True
4    False   False
5    False    True

然后对列名使用带分隔符的矩阵乘以dot：

print (df.iloc[:, 2:].ne(1).dot(df.columns[2:] + ', '))
0             Toyota, 
1                     
2            Ferrari, 
3    Ferrari, Toyota, 
4                     
5             Toyota, 
dtype: object

并通过rstrip删除最后一个分隔符：

print (df.iloc[:, 2:].ne(1).dot(df.columns[2:] + ', ').str.rstrip(', '))
0             Toyota
1                   
2            Ferrari
3    Ferrari, Toyota
4                   
5             Toyota
dtype: object

如果无法按位置选择，因为应该更改没有0,1的列的位置，可以使用drop删除不必要的列：

df1 = df.drop(['Names','Ferrari'], axis=1).ne(1)
df['Evaluation2'] = df1.dot(df1.columns + ', ').str.rstrip(', ')

Answer 2

df = pd.DataFrame({'a': [0,0,1,1], 'b': [0,1,0,1]})

创建以下数据框：

   a  b
0  0  0
1  0  1
2  1  0
3  1  1

您可以使用以下方法添加一个新列，该列的列名称等于零：

df['evaluated'] = df.apply(lambda x: ','.join(df.columns[x == 0]), axis=1)

输出：

   a  b evaluated
0  0  0       a,b
1  0  1         a
2  1  0         b
3  1  1