将 append() 与 df.loc == 语句一起使用 Pandas Python

Posted 2023-03-11

【中文标题】将 append() 与 df.loc == 语句一起使用 Pandas Python

【英文标题】：Using append() with a df.loc == statement Pandas Python

【发布时间】：2018-07-30 21:48:58

【问题描述】：

我希望在下面的代码中添加第二个条件，以便在文本之前附加一个字符串“Other”。我尝试将它分配给一个变量并在代码中调用它但没有成功。这样做的原因是，在创建报告时，我们可以调查同一可视化中的所有“其他”，而不是与主作业列分开

 import pandas as pd
 import os
 os.chdir('/Users/')
 df = pd.read_csv("file.csv", encoding = "ISO-8859-1")

df()
Job?     Other
Hitman   NaN
King     NaN
Other    Farmer
# Replace all 'Others with values from the other subsequent other column' 
#Other columns dropped later on in code.
df.loc[df['Job?'] == 'Other', 'Are you?'] = df['If Other: Job?']

在此之前编写一个 for 语句以便稍后更改和使用切片会更好吗？如果是这样，会是这样吗？

for row in df.loc(["If Other"], axis=1):
df[row] = df[row].append("other ")

为更清晰而编辑：

我想要的是结果农夫显示为（或接近）

Job
Hitman
King
Other: Farmer 

jezrael 的进一步编辑：

如果我有多个列如下

Job, Other_1, Position, Other_2, Education, Other_3,
A    NaN      A         NaN      A          Nan
Other Farmer  Other     CEO      Other      Github



 #a for loop like the following:
   for row in df.loc(["Other_1", "Other_2", "Other_3"], axis=1):
    df[row] = df[row].append("other ")

【问题讨论】：

预期输出是什么？

【参考方案1】：

我相信您需要使用连接列按条件替换值：

df.loc[df['Job?'] == 'Other', 'Job?'] = df['Job?'] + ': ' + df['Other']

或者使用numpy.where:

df['Job?'] = np.where(df['Job?'] == 'Other', df['Job?'] + ': ' + df['Other'], df['Job?'])

或者使用mask:

df['Job?'] = df['Job?'].mask(df['Job?'] == 'Other', df['Job?'] + ': ' + df['Other'])

df = df.drop('Other', axis=1)
print (df)
            Job?
0         Hitman
1           King
2  Other: Farmer

也可以添加自定义字符串，只删除df['Job?']:

df['Job?'] = df['Job?'].mask(df['Job?'] == 'Other', 'ooother: ' + df['Other'])
#last remove column if necessary
df = df.drop('Other', axis=1)
print (df)
              Job?
0           Hitman
1             King
2  ooother: Farmer

编辑：

我认为您可以创建dictionary 列并循环应用解决方案：

d = 'Job':'Other_1', 'Position':'Other_2', 'Education':'Other_3'

for k,v in d.items():
    df[k] = df[k].mask(df[k] == 'Other', 'other: ' + df[v])

df = df.drop(list(d.values()), axis=1)
print (df)
             Job    Position      Education
0              A           A              A
1  other: Farmer  other: CEO  other: Github

【讨论】：

你先生是我的大师，你能解释一下 .mask 在这种情况下的作用吗？完美运行！您能否解释一下我是否可以使用具有多个列名的 for 循环？ （我认为这会使代码更干净）？

@Datanovice - 欢迎您！所以掩码得到布尔掩码df['Job?'] == 'Other' 和True 的行（如果条件是True）应用'ooother: ' + df['Other']。对于您的第二个问题，您可以添加一些具有多列和预期输出的示例吗？谢谢。

重新编写了我的整个脚本，它运行良好。更优雅，你是男人！干杯。