Pandas：如果条件[重复]，则从另一列更新列值

Posted 2023-03-11

【中文标题】Pandas：如果条件[重复]，则从另一列更新列值

【英文标题】：Pandas: update column values from another column if criteria [duplicate]

【发布时间】：2019-01-18 02:42:48

【问题描述】：

我有一个数据框：

   A B

1: 0 1
2: 0 0 
3: 1 1
4: 0 1
5: 1 0

如果 column A 中的值等于 0，我想用 column B 的值更新 DataFrame 的每个项目 column A。 p>

我要获取的DataFrame：

   A B

1: 1 1
2: 0 0 
3: 1 1
4: 1 1
5: 1 0

我已经尝试过这段代码

df['A'] = df['B'].apply(lambda x: x if df['A'] == 0 else df['A'])

它会引发错误：The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

【参考方案1】：

使用where

In [348]: df.A = np.where(df.A.eq(0), df.B, df.A)

In [349]: df
Out[349]:
    A  B
1:  1  1
2:  0  0
3:  1  1
4:  1  1
5:  1  0

【讨论】：

哪种解决方案在时间上更有效，你的还是 Rusabh 的？

【参考方案2】：

df['A'] = df.apply(lambda x: x['B'] if x['A']==0 else x['A'], axis=1)

输出

    A  B
1:  1  1
2:  0  0
3:  1  1
4:  1  1
5:  1  0

【参考方案3】：

您可以使用掩码来执行此操作：

df = pd.DataFrame()
df['A'] = [0,0,1,0,1]
df['B'] = [1,0,1,1,0]
mask = (df.A == 0)
df.loc[mask,'A'] = df.loc[mask,'B']

    A   B
0   1   1
1   0   0
2   1   1
3   1   1
4   1   0

编辑： 好的，这实际上是一个低效的解决方案：

%timeit df.loc[mask,'A'] = df.loc[mask,'B']
%timeit df.apply(lambda x: x['B'] if x['A']==0 else x['A'], axis=1)
%timeit np.where(df.A.eq(0), df.B, df.A)

5.52 ms ± 556 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
1.27 ms ± 167 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
796 µs ± 89.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

感谢零使用 np.where 提供的这种高效解决方案！