我看到了许多有关向数据帧添加条件列的问题,这些问题通常依赖于使用np.where()
。据我所知, np.where() 只在它附加的同一行中查找。例如:
# Create df with 3 columns of random numbers from 0 to 100
df = pd.DataFrame(np.random.randint(0,100,size=(3, 3)), columns=list('ABC'))
---------------
A B C
23 16 85
9 74 12
99 24 83
---------------
# Add new column based on values in other columns
conditions = [
(df['A'] == 9),
(df['B'] == 16)),
(df['A'] == 99) & (df['C'] == 83)]
choices = ['Good', ' Better', 'Best']
df['How_Good'] = np.select(conditions, choices, default='Awful')
---------------
A B C How_Good
23 16 85 Better
9 74 12 Good
99 24 83 Best
---------------
在这种情况下,新列的值直接对应于同一行中其他列的值。
但是,我想生成一个列,该列的值基于特定列中的任何值。例如,假设我有一个 df:
d = {'ID': [1, 2, 3], 'Name': ['Al', 'Mo', 'Q'],
'Owned': ['Car', 'Truck', 'Bike'],
'ID_1': [5, 7, 1], 'Name_1':['Jo', 'Ry', 'We']}
df = pd.DataFrame(data=d)
------------
ID Name Owned ID_1 Name_1
1 Al Car 5 Jo
2 Mo Truck 7 Ry
3 Q Bike 1 We
------------
现在我想添加另一列Match
,当ID_1 == ID
时显示Owned
的值,但不一定在同一列排。基本上,它必须对照 ID_1
中的每个值检查 ID
,并在找到匹配项后停止。因此带有附加列的 df 看起来像:
------------
ID Name Owned ID_1 Name_1 Match
0 1 Al Car 5 Jo nan
1 2 Mo Truck 7 Ry nan
2 3 Q Bike 1 We Car
------------
在上面的示例中,第 0 行中的 ID
与第 2 行中的 ID_1
匹配(没有其他匹配项)。然后,它从第 0 行获取 Owned
的值并将其放入 Match
中。因此,新列 Match
正在整个数据帧中查找 ID
和 ID_1
之间的匹配项。当这是 true 时,它将把 Owned
中的值放入 Match
中,否则 nan
。
需要注意的是,Owned
下只有一定数量的元素:只能是汽车、卡车或自行车。但 ID
和 ID_1
都可以重复多次。还有更多用于 ID_2
、ID_3
等的列,所有这些列都与 ID
匹配并使用 Owned 中的值
.
最佳答案
您可以使用DataFrame.apply
,如下所示:
df['Match'] = df.apply(lambda row: df[df['ID'] == row['ID_1']].loc[:, 'Owned'], axis=1)
如果您有更复杂的条件,您可能需要将它们放入一个函数中,然后应用它。
关于python - 添加条件值位于某些其他列中任意位置的列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59002792/