根据熊猫中的现有列创建新列答案

【问题标题】：Creating new column based on existing column in pandas根据熊猫中的现有列创建新列
【发布时间】：2022-08-09 15:54:59
【问题描述】：

我有一个如下给出的数据框：

ID1    ID2  Yr-Month  Class                   
1      p1   Feb-19   PE5->SC
1      p2   Feb-19   SC
1      p3   Feb-19   EA->PE5
1      p4   Feb-19   EA->PE5->SC
1      p5   Feb-19   PC->PE5->SC

我需要在现有数据中创建一个名为 Final 的新列，如果从 PE5 到 SC 的转换发生，即 PE5->SC 以下列方式 PE5->SC,EA->PE5->SC,PC->PE5->SC Final列值必须是一个 else 下面给出的 0 是预期的输出：

ID1    ID2  Yr-Month  Class         Final   
1      p1   Feb-19   PE5->SC         1
1      p2   Feb-19   SC              0
1      p3   Feb-19   EA->PE5         0
1      p4   Feb-19   EA->PE5->SC     1
1      p5   Feb-19   PC->PE5->SC     1

接下来我可以尝试什么？

标签： python pandas dataframe

【解决方案1】：

通过Series.str.contains 测试子字符串并将True/False 转换为1/0 将值转换为整数：

df['Final'] = df['Class'].str.contains('PE5.*SC').astype(int)

替代numpy.where：

df['Final'] = np.where(df['Class'].str.contains('PE5.*SC'), 1, 0)
print (df)
   ID1 ID2 Yr-Month        Class  Final
0    1  p1   Feb-19      PE5->SC      1
1    1  p2   Feb-19           SC      0
2    1  p3   Feb-19      EA->PE5      0
3    1  p4   Feb-19  EA->PE5->SC      1
4    1  p5   Feb-19  PC->PE5->SC      1

【讨论】：

如果另一行包含转换 PE5->PC->SC 这也是有效的如何修改您的代码？我忘记添加此行示例
@Python_help - 如果需要测试 PE5 和 SC 之间的任何值，请使用 PE5.*SC，解决方案已更改
@Python_help您应该使用此更新的案例真正编辑您的问题，因此其他答案也可以将他们的答案更新为您想要的，而不是您的问题声称您想要的。

【解决方案2】：

您可以创建一个 0s 的 'Final' 列，然后使用 .loc 使用 df['Class'].str.contains('PE5->') 查找 Class 包含 'PE5->' 的行，然后将 'Final' 中的对应值设置为 1

df['Final'] = 0
df.loc[df['Class'].str.contains('PE5->'), 'Final'] = 1

输出：

ID1    ID2  Yr-Month  Class         Final   
1      p1   Feb-19   PE5->SC         1
1      p2   Feb-19   SC              0
1      p3   Feb-19   EA->PE5         0
1      p4   Feb-19   EA->PE5->SC     1
1      p5   Feb-19   PC->PE5->SC     1

编辑：看到 OP 对 Jezrael 回答的评论后，原来的问题似乎缺少一个案例。涵盖更新案例的代码将是：

df['Final'] = 0
df.loc[df['Class'].str.contains('PE5->.*SC', regex=True), 'Final'] = 1

输出：

ID1    ID2  Yr-Month  Class         Final   
1      p1   Feb-19   PE5->SC         1
1      p2   Feb-19   SC              0
1      p3   Feb-19   EA->PE5         0
1      p4   Feb-19   EA->PE5->SC     1
1      p5   Feb-19   PE5->PC->SC     1

【讨论】：

【解决方案3】：

另一种有趣的方法是使用replace

df['Final'] = df['Class'].replace(['PE5.*SC', '.'], [1, 0], regex=True)

输出：

ID1	ID2	Yr-Month	Class	Final
1	p1	Feb-19	PE5->SC	1
1	p2	Feb-19	SC	0
1	p3	Feb-19	EA->PE5	0
1	p4	Feb-19	EA->PE5->SC	1
1	p5	Feb-19	PC->PE5->SC	1

【讨论】：