使用 else if 逻辑将条件列添加到 Pandas 数据框 - Python

Posted 2023-03-12

【中文标题】使用 else if 逻辑将条件列添加到 Pandas 数据框 - Python

【英文标题】：Add conditional column to Pandas Data Frame using else if logic - Python

【发布时间】：2021-01-28 19:25:23

【问题描述】：

需要帮助...

下面是我的数据框：

+--------------+----------------+---------------+-----------------+------------+
| Planned_Date | Planned_Date_2 | Complete_Date | Complete_Date_2 | Alias_Date |
+--------------+----------------+---------------+-----------------+------------+
| 01/01/1800   |                | 03/09/2020    |                 | 03/09/2020 |
| 01/01/1800   | 20/09/2020     |               |                 | 20/09/2020 |
|              |                |               | 28/09/2020      | 28/09/2020 |
| 04/10/2020   |                |               |                 | 04/10/2020 |
+--------------+----------------+---------------+-----------------+------------+

我正在尝试对几个日期列使用条件逻辑创建一个新列（Alias_Date）：

逻辑如下：

if Planned_Date = 01/01/1800
  and Planned_Date_2 = null
    then Complete_Date

else if Planned_Date  = 01/01/1800
  and Planned_Date_2  <> null
    then Planned_Date_2 

else if Planned_Date = null
    then Complete_Date_2

else Planned_Date

如何使用 python/pandas/numpy 或任何其他推荐的方式有效地做到这一点。

【参考方案1】：

使用前向填充缺失值并使用DataFrame.iloc按位置选择最后一列：

df['Alias_Date'] = df.ffill(axis=1).iloc[:, -1]

如果可能的话，DataFrame 中的其他列通过列表选择它们：

cols = ['Planned_Date', 'Planned_Date_2', 'Complete_Date', 'Complete_Date_2']


df['Alias_Date'] = df[cols].ffill(axis=1).iloc[:, -1]

或前 4 列：

df['Alias_Date'] = df.iloc[:, :4].ffill(axis=1).iloc[:, -1]

或带有Date 的列：

df['Alias_Date'] = df.filter(like='Date').ffill(axis=1).iloc[:, -1]

编辑：

在numpy.select中选择列的解决方案：

cols = ['Planned_Date', 'Planned_Date_2', 'Complete_Date', 'Complete_Date_2']

df[cols] = df[cols].apply(pd.to_datetime, dayfirst=True)

m1 = df['Planned_Date'].eq('1800-01-01')
m2 = df['Planned_Date_2'].isna()
m3 = df['Planned_Date'].isna()

df['Alias_Date'] = np.select([m1 & m2, m1 & ~m2, m3], 
                             [df['Complete_Date'], 
                              df['Planned_Date_2'], 
                              df['Complete_Date_2']], default=df['Planned_Date'])
print (df)
  Planned_Date Planned_Date_2 Complete_Date Complete_Date_2 Alias_Date
0   1800-01-01            NaT    2020-09-03             NaT 2020-09-03
1   1800-01-01     2020-09-20           NaT             NaT 2020-09-20
2          NaT            NaT           NaT      2020-09-28 2020-09-28
3   2020-10-04            NaT           NaT             NaT 2020-10-04

【讨论】：

您好，jezrael，感谢您的及时回复。这是一个非常聪明的解决方案，但是，数据来自一个数据库，其中有数百个其他列，而且这些列不是按这个顺序排列的。此外，添加了新列并删除了其他列。因此，尽管这可以在提供的上下文中工作，但对于当前设置来说它不够动态。很抱歉没有在问题中提供此信息。抱歉，只是补充一下，列并不总是空的，如示例数据集中所示，这只是一个简单的示例，以显示我想要实现的目标。