我是 Pandas 新手
我想在 Pandas 中创建一个条件列。在 R 中,我可以使用 Mutate 来做到这一点,但在 Pandas.assign() 中,这对我来说不太有意义。
我想用伪代码做的是:
DataFrame.MyKeyColumn = If (DataFrame.Condtional is NaN) then:
concatenate[ DataFrame.keyfield1,"_",DataFrame.keyfield2,"_",DataFrame.keyfield3,"_",keyfield4]
else:
concatenate[ DataFrame.keyfield1,"_",DataFrame.keyfield2,"_",DataFrame.condtionalfield,"_",DataFrame.keyfield3,"_",keyfield4]
在 R 中你可以这样做:
dplyr::mutate(Conditional = if(is.na(mycondtion)){paste(keyfield1,keyfield2)}, else {paste(keyfield1,condtionalfield,keyfield2)})
任何帮助都会非常感激。我希望我只是错过了理解 pandas.assign() 的工作原理,或者我需要嵌套一些像 pandas.where() 这样的函数。
最佳答案
您可以使用 numpy 的 where
设置条件 bool 逻辑来填充其他列,这是一个基于您的伪代码的示例:
df.MyKeyColumn = np.where(df.Condtional.isna(),
df.keyfield1+"_"+df.keyfield2+"_"+df.keyfield3+"_"+keyfield4,
df.keyfield1+"_"+df.keyfield2+"_"+df.condtionalfield+"_"+df.keyfield3+"_"+keyfield4)
这是一个简化的用法示例:
import pandas as pd
import numpy as np
# Create a dummy dataframe
df = pd.DataFrame(data={"col1":[np.nan, 1, np.nan], "col2":[4, 5, 6]})
# Create a new column which fills in missing col1 values with data from col2
df["new_col"] = np.where(df["col1"].isna(), df["col2"], df["col1"])
# Create a new column which fills in missing col1 values with scalar value
df["new_col2"] = np.where(df["col1"].isna(), 7, df["col1"])
关于python - 在给定条件下为新的 Pandas 列分配值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53416412/