如何比較資料框行中的值并選擇其中一個？

我想使用Pandas在資料框中創建一個新列，在該列中比較 df 中一行中的 2 列，如果值不同，則選擇特定列，如果值相等，則選擇其中任何一個，如果一個其中在 NaN 中，選擇另一個（如果兩者都是 NaN，它將已經被覆寫）。我正在使用Numpy select和Pandas where，但無法使其作業，而且我不想（還）使用for回圈。

如果我得到這個資料框：

df1 = pd.DataFrame([["A", "B"], ["C", "D"], [np.nan, "A"], ["B", np.nan], [np.nan, np.nan], ["E", "E"]], columns=["col1", "col2"])
df1
  col1 col2
0    A    B
1    C    D
2  NaN    A
3    B  NaN
4  NaN  NaN
5    E    E

我希望行為是這樣的：

• 在第 0 行，因為 (A != B) & (A != np.nan) & (B != np.nan) 我想從 col1 中選擇值。
• 在第 1 行，因為 (C != D) & (C != np.nan) & (D != np.nan) 我想從 col1 中選擇值（與以前相同）。
• 在第 2 行，因為 (NaN != A) & (A != np.nan) & (NaN == np.nan) 我想從 col 2 中選擇值。
• 在第 3 行，因為 (B != NaN) & (NaN == np.nan) & (B != np.nan) 我想從 col 1 中選擇值。
• 在第 4 行，因為 (NaN == NaN) & (NaN == np.nan) & (NaN == np.nan) 我想從 col1 中選擇值（兩者都可以實際作業）。
• 在第 5 行，因為 (E == E) & (E != np.nan) & (E != np.nan) 我想選擇 col 1 的值形式（與以前相同）。

在這種情況下，我應該獲得類似的東西：

  col1 col2 col3
0    A    B    A
1    C    D    C
2  NaN    A    A
3    B  NaN    B
4  NaN  NaN  NaN
5    E    E    E

為了實作這一點，我這樣做了np.select：

df1 = pd.DataFrame([["A", "B"], ["C", "D"], [np.nan, "A"], ["B", np.nan], [np.nan, np.nan], ["E", "E"]], columns=["col1", "col2"])
conditions = [
    ((df['col1'] == df['col2']) & (df['col1'] != np.nan)),
    ((df['col1'] == df['col2']) & (df['col1'] == np.nan)),
    ((df['col1'] != df['col2']) & (df['col1'] != np.nan) & (df['col2'] == np.nan)),
    ((df['col1'] != df['col2']) & (df['col1'] == np.nan) & (df['col2'] != np.nan)),
]
choices = [df['col1'], np.nan, df['col1'], df['col2']]
df['condition'] = np.select(conditions, choices, default="WHAT?")
print(df)

但結果是：

  col1 col2 condition
0    A    B     WHAT?
1    C    D     WHAT?
2  NaN    A     WHAT?
3    B  NaN     WHAT?
4  NaN  NaN     WHAT?
5    E    E         E

所以，我不明白我做錯了什么。

半編輯：在寫這篇文章時，我注意到我在選擇中缺少一個案例，所以我將代碼更新為：

希望有人可以幫助我，謝謝

df1 = pd.DataFrame([["A", "B"], ["C", "D"], [np.nan, "A"], ["B", np.nan], [np.nan, np.nan], ["E", "E"]], columns=["col1", "col2"])
conditions = [
    ((df['col1'] == df['col2']) & (df['col1'] != np.nan)),
    ((df['col1'] == df['col2']) & (df['col1'] == np.nan)),
    ((df['col1'] != df['col2']) & (df['col1'] != np.nan) & (df['col2'] == np.nan)),
    ((df['col1'] != df['col2']) & (df['col1'] == np.nan) & (df['col2'] != np.nan)),
    ((df['col1'] != df['col2']) & (df['col1'] != np.nan) & (df['col2'] != np.nan)),

]
choices = [df['col1'], np.nan, df['col1'], df['col2'], df["col1"]]
df['condition'] = np.select(conditions, choices, default="WHAT?")
print(df)

結果是這樣的：

  col1 col2 condition
0    A    B         A
1    C    D         C
2  NaN    A       NaN
3    B  NaN         B
4  NaN  NaN       NaN
5    E    E         E

為了進一步說明，我將選擇更改為：[1, 2, 3, 4, 5]。這是結果：

  col1 col2 condition
0    A    B         5
1    C    D         5
2  NaN    A         5
3    B  NaN         5
4  NaN  NaN         5
5    E    E         1

它總是在第五種情況下進入，對于第0行和第1行是可以的，但是第2行應該進入第4種情況，第3行應該進入第3種情況，第4行應該進入第2種情況。第5行對第1種情況是正確的。

希望我說清楚了，謝謝。

編輯：有人評論然后洗掉對我有用的東西。這個人指出，如果你這樣做：print(np.nan == np.nan)它會回傳False，所以我的邏輯總是會失敗。因此，我必須在條件句中使用notnull()和。isna()

uj5u.com熱心網友回復：

np.nan != np.nanNaN 永遠不會彼此相等，因此您的邏輯沒有按照您的想法進行：df['col1'] != np.nan. 嘗試做print(np.nan == np.nan)，它總是會回傳 False。您想使用df['col1'].isna()來查找空值和df['col1'].notnull()查找非空值。

conditions = [
    ((df['col1'] == df['col2']) & (df['col1'].notnull())),
    ((df['col1'] == df['col2']) & (df['col1'].isna())),
    ((df['col1'] != df['col2']) & (df['col1'].notnull()) & (df['col2'].isna())),
    ((df['col1'] != df['col2']) & (df['col1'].isna()) & (df['col2'].notnull())),
    ((df['col1'] != df['col2']) & (df.notnull().all(1))),# not sure if this is the logic you actually want

]
choices = [df['col1'], np.nan, df['col1'], df['col2'], df["col1"]]
df['condition'] = np.select(conditions, choices, default="WHAT?")

  col1 col2 condition
0    A    B         A
1    C    D         C
2  NaN    A         A
3    B  NaN         B
4  NaN  NaN     WHAT?
5    E    E         E

uj5u.com熱心網友回復：

這是您的問題的另一種解決方案：

df1 = pd.DataFrame([["A", "B"], ["C", "D"], [np.nan, "A"], ["B", np.nan], [np.nan, np.nan], ["E", "E"]], columns=["col1", "col2"])

col3 = []
for i, row in df1.notna().iterrows():  
    if row.all():
        col3.append(df1['col1'].iloc[i])
    elif row.values[0]:
        col3.append(df1['col1'].iloc[i])
    else:
        col3.append(df1['col2'].iloc[i])
        
df1['col3'] = col3

print(df1)

輸出：

  col1 col2 col3
0    A    B    A
1    C    D    C
2  NaN    A    A
3    B  NaN    B
4  NaN  NaN  NaN
5    E    E    E

uj5u.com熱心網友回復：

這將是我個人使用的那個。這是使用串列理解的非常簡潔的答案。

import pandas as pd
import numpy as np

df1 = pd.DataFrame([["A", "B"], ["C", "D"], [np.nan, "A"], ["B", np.nan], [np.nan, np.nan], ["E", "E"]], columns=["col1", "col2"])

df1['col3'] = [row[0] if row[0] is not np.nan else row[1] for i, row in df1.iterrows()]

print(df1)   

輸出：

  col1 col2 col3
0    A    B    A
1    C    D    C
2  NaN    A    A
3    B  NaN    B
4  NaN  NaN  NaN
5    E    E    E

標籤：Python熊猫数据框麻木的

上一篇：按天對大df中的值求和并鍵入

下一篇：如何在DataFrames的assign函式中放入引數？