我已经看到了许多有关将条件列添加到数据框的问题,这些条件列通常依赖于使用np.where()。据我所知,np.where()只在它追加到的同一行中查找。例如:

# Create df with 3 columns of random numbers from 0 to 100
df = pd.DataFrame(np.random.randint(0,100,size=(3, 3)), columns=list('ABC'))

---------------
A    B    C
23   16   85
 9   74   12
99   24   83
---------------
# Add new column based on values in other columns
conditions = [
    (df['A'] == 9),
    (df['B'] == 16)),
    (df['A'] == 99) & (df['C'] == 83)]
choices = ['Good', ' Better', 'Best']
df['How_Good'] = np.select(conditions, choices, default='Awful')

---------------
A    B    C    How_Good
23   16   85    Better
 9   74   12     Good
99   24   83     Best
---------------


在这种情况下,新列的值直接对应于同一行中其他列的值。

但是,我想产生一列,其值是基于特定列中任何值的条件的。例如,假设我有一个这样的df:

d = {'ID': [1, 2, 3], 'Name': ['Al', 'Mo', 'Q'],
        'Owned': ['Car', 'Truck', 'Bike'],
        'ID_1': [5, 7, 1], 'Name_1':['Jo', 'Ry', 'We']}
df = pd.DataFrame(data=d)

------------
ID   Name    Owned    ID_1    Name_1
1     Al      Car       5       Jo
2     Mo     Truck      7       Ry
3     Q      Bike       1       We
------------


现在,我想添加另一列Match,该列在Owned时显示ID_1 == ID的值,但不一定在同一行中。基本上,它必须对照ID中的每个值检查ID_1并在找到匹配项后停止。因此,带有附加列的df如下所示:

------------
     ID   Name    Owned    ID_1    Name_1    Match
0    1     Al      Car       5       Jo       nan
1    2     Mo     Truck      7       Ry       nan
2    3     Q      Bike       1       We       Car
------------


在上面的示例中,第0行中的ID与第2行中的ID_1匹配(没有其他匹配项)。然后从第0行获取Owned的值,并将其放入Match。因此,新列Match在整个数据帧中寻找IDID_1之间的匹配项。如果为真,则将Owned中的值放入Match,否则为nan

需要注意的是,在Owned下只有一定数量的内容:它只能是汽车,卡车或自行车。但是IDID_1可以重复多次。 ID_2ID_3等还有更多列,所有这些列在ID上匹配并使用Owned中的值。

最佳答案

您可以按以下方式使用DataFrame.apply

df['Match'] = df.apply(lambda row: df[df['ID'] == row['ID_1']].loc[:, 'Owned'], axis=1)


如果您有更复杂的条件,则可能需要将它们放在函数中,然后应用它。

07-24 09:22