根据其他列的if-else填充pandas DataFrame的新列

Question

我遇到一种情况，我想在Pandas DataFrame中创建一个新列，并根据涉及其他2个列的条件填充它。在此示例中：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.array([['value1','value2'],['value',np.NaN],[np.NaN,np.NaN]]), columns=['col1','col2'])

我想创建一个新列'new col'，它由1）“ col2”中的值（如果不是NaN来组成），2）“ col1”中的值（如果不是NaN来组成）， 3）NaN

我正在尝试使用.apply（）函数，但未返回所需结果

def singleval(row):
    if row['col2'] != np.NaN:
        val = row['col2']
    elif row['col1'] != np.NaN:
        val = row['col1']
    else:
        val = np.NaN
    return val

df['new col'] = df.apply(singleval,axis=1)

我希望'new col'中的值为['value2', 'value', 'nan']

Answer 1

方法1 fillna

在这种情况下，我们可以简单地将fillna上的col2与col1中的值一起使用：

df['new col'] = df['col2'].fillna(df['col1'])

---

     col1    col2 new col
0  value1  value2  value2
1   value     NaN   value
2     NaN     NaN     NaN

---

方法2 np.select

如果您有多个条件，请使用np.select，它会传递条件列表，并根据这些条件传递选择：

conditions = [
    df['col2'].notnull(),
    df['col1'].notnull(),
]

choices=[df['col2'], df['col1']]

df['new col'] = np.select(conditions, choices, default=np.NaN)

---

     col1    col2 new col
0  value1  value2  value2
1   value     NaN   value
2     NaN     NaN     NaN

注意

您的数据框与NaN不正确，请改用此数据框进行测试：

df = pd.DataFrame({'col1':['value1', 'value', np.NaN],
                   'col2':['value2', np.NaN, np.NaN]})

编辑：为什么该功能不起作用？

np.NaN == np.NaN将返回False
而np.NaN is np.NaN将返回True。

有关此说明，请参见this question。

因此，要修复您的功能，您必须使用is not：

def singleval(row):
    if row['col2'] is not np.NaN:
        val = row['col2']
    elif row['col1'] is not np.NaN:
        val = row['col1']
    else:
        val = np.NaN
    return val

df['new col'] = df.apply(singleval, axis=1)

---

     col1    col2 new col
0  value1  value2  value2
1   value     NaN   value
2     NaN     NaN     NaN

Answer 2

尝试一下：

df['col3'] = df[['col1','col2']].stack().groupby(level=0).last()

输出：

    col1    col2    col3
0   value1  value2  value2
1   value   nan     value
2   nan     nan     nan

Answer 3

在df.ffill上使用axis=1

df['new_col'] = df.ffill(1).col2

Out[1318]:
     col1    col2 new_col
0  value1  value2  value2
1   value     NaN   value
2     NaN     NaN     NaN