Python Pandas根据多个其他列中的条件替换一列中的值[重复]

Posted 2023-03-11

【中文标题】Python Pandas根据多个其他列中的条件替换一列中的值[重复]

【英文标题】：Python Pandas replace values in one column based on conditional in multiple other columns [duplicate]

【发布时间】：2018-09-15 13:20:13

【问题描述】：

使用数据框 df：

Product_ID | Category_A   | Category _B
1232             0              0 
1343             Unknown        X
2543             Nan            0 
2549             Y              Y
0349             X              X
8533             Y              X

我想创建一个新列 Category_Final，其规则如下：

如果 Category_A 为 0、Unknown 或 Nan，Category_Final 应为“Unknown” 如果 Category_A 与 Category_B 相同，Category_Final 应为 0 如果 Category_A 与 Category_B 不同，Category_Final 应该是 X

预期输出：

Product_ID | Category_A   | Category _B | Category_Final
1232             0              0            Unknown
1343             Unknown        X            Unknown
2543             Nan            0            Unknown
2549             Y              Y            0
0349             X              X            0
8533             Y              X            X

我设法获得了 0 和 X 的逻辑，但我不知道如何包含未知逻辑。

df['Category_Final'] = np.where(df['Category_A'] != df['Category_B'], 'X', '0')

谢谢！

【问题讨论】：

我认为在这些情况下，numpy select 提供了最易读的解决方案：Pandas conditional creation of a series/dataframe column

【参考方案1】：

在当前行之后，试试这个：

mask = ((df.Category_A.isnull()) | 
        (df.Category_A == 'Unknown') | 
        (df.Category_A == 0))
df.loc[mask, 'Category_Final'] = 'Unknown'

【参考方案2】：

你可以使用嵌套的np.where

df['Category_Final'] = np.where((df['Category_A'].isnull() | \
                                              (df['Category_A'] == 'Unknown') | (df['Category_A'] == '0')),\
                                              'Unknown', np.where(df['Category_A'] == \
                                                                  df['Category_B'], 0, 'X'))

输出

Product_ID  Category_A  Category_B  Category_Final
0   1232    0            0            Unknown
1   1343    Unknown      X            Unknown
2   2543    NaN          0            Unknown
3   2549    Y            Y              0
4   349     X            X              0
5   8533    Y            X              X

【讨论】：

完美！我知道我很接近了，谢谢！

【参考方案3】：

df['Category_Final'] = (
    df.apply(lambda _: "0", axis=1)
    .where(df['Category_A'] == df['Category_B'], "X")
    .where(~df['Category_A'].isin(["0", "Unknown", np.NaN]), "Unknown")
)

【讨论】：

仅供参考的代码答案不被接受