根据熊猫中的另一个列值有条件地填充列值

Posted 2023-02-23

【中文标题】根据熊猫中的另一个列值有条件地填充列值

【英文标题】：Conditionally fill column values based on another columns value in pandas

【发布时间】：2012-05-29 17:45:55

【问题描述】：

我有一个 DataFrame 有几列。一列包含使用货币的符号，例如欧元或美元符号。另一列包含预算值。因此，例如，在一行中，它可能意味着 5000 欧元的预算，而在下一行中，它可能意味着 2000 美元的预算。

在 pandas 中，我想在我的 DataFrame 中添加一个额外的列，以欧元规范化预算。所以基本上，对于每一行，新列中的值应该是预算列中的值 * 1 如果货币列中的符号是欧元符号，新列中的值应该是预算列的值 *如果货币列中的符号是美元符号，则为 0.78125。

我知道如何添加一列、用值填充它、从另一列复制值等，但不知道如何根据另一列的值有条件地填充新列。

有什么建议吗？

【参考方案1】：

你可能想这样做

df['Normalized'] = np.where(df['Currency'] == '$', df['Budget'] * 0.78125, df['Budget'])

【讨论】：

是否可以用文字而不是数字来做这样的事情？

df['Qnty'] = np.where(df['Quantity'].str.extract('([az]+)') == 'g', df['Quantity' ].str.extract('(\d+)').astype(int) / 1000, df['Quantity'].str.extract('(\d+)').astype(int)) 不知道任何人都需要这个，但我还是发布了。

【参考方案2】：

通过替代样式获得的类似结果可能是编写一个函数，该函数在一行上执行您想要的操作，使用 row['fieldname'] 语法访问单个值/列，然后对其执行 DataFrame.apply 方法

这与此处链接的问题的答案相呼应：pandas create new column based on values from other columns

def normalise_row(row):
    if row['Currency'] == '$'
    ...
    ...
    ...
    return result

df['Normalized'] = df.apply(lambda row : normalise_row(row), axis=1) 

【讨论】：

应该是lambda row:normalise_row(row)？你不能用normalise_row 替换整个东西吗？

【参考方案3】：

进一步采用 Tom Kimber 的建议，您可以使用函数字典为您的函数设置各种条件。此解决方案正在扩大问题的范围。

我正在使用来自个人应用程序的示例。

# write the dictionary

def applyCalculateSpend (df_name, cost_method_col, metric_col, rate_col, total_planned_col):
    calculations = 
            'CPMV'  : df_name[metric_col] / 1000 * df_name[rate_col],
            'Free'  : 0
            
    df_method = df_name[cost_method_col]
    return calculations.get(df_method, "not in dict")

# call the function inside a lambda

test_df['spend'] = test_df.apply(lambda row: applyCalculateSpend(
row,
cost_method_col='cost method',
metric_col='metric',
rate_col='rate',
total_planned_col='total planned'), axis = 1)

  cost method  metric  rate  total planned  spend
0        CPMV    2000   100           1000  200.0
1        CPMV    4000   100           1000  400.0
4        Free       1     2              3    0.0

【参考方案4】：

不需要额外导入 numpy 的选项：

df['Normalized'] = df['Budget'].where(df['Currency']=='$', df['Budget'] * 0.78125)