根据 python 中的条件，使用来自第 1 行或第 2 行的值更新数据框列答案

【问题标题】：Update dataframe column based with value from either row 1 or row 2 based on condition in python根据 python 中的条件，使用来自第 1 行或第 2 行的值更新数据框列
【发布时间】：2021-02-20 15:23:28
【问题描述】：

我有一个数据框，想根据一个条件创建一个列，该条件用另一列中的一行的值填充该行。

df = pd.DataFrame({'parent':[32, 3, 88, 9, 10, 23, 99, 23],
                   'id':[1, 2, 3, 4, 5, 6, 7, 8],
                   'flag':[True,True,False,True,False,True,True,True]})

我尝试使用 np.where() 来执行此操作，但它不会逐行更新值，而是用满足的条件替换列中的所有值。

df['res'] = np.where(df['flag'] == True, df['parent'], df['id'])

我要创建的数据框如下所示：

df = pd.DataFrame({'parent':[32, 3, 88, 9, 10, 23, 99, 23],
                   'id':[1, 2, 3, 4, 5, 6, 7, 8],
                   'flag':[True,True,False,True,False,True,True,True],
                   'res':[32, 3, 3, 9, 5, 23, 99, 23]})

任何想法我做错了什么？我是 python 新手，非常感谢任何帮助。

【问题讨论】：

您的命令中似乎有错字。将output 更改为df。
您的代码有另一个错字。第一段代码中的“标志”属性在第一个位置有一个 False...但在最后一段代码的第一个位置有一个 True。
感谢您指出这些。我做了修复。很抱歉，
另请注意，您可以简单地执行np.where(df['flag'], df['parent'], df['id']) 而无需指定df["flag"]==True。

标签： python pandas

【解决方案1】：

正如其他人所指出的，您的代码中有错字。实现所需输出的另一种方法是使用apply 方法：

df['res'] = df.apply(lambda x : x['parent'] if x['flag'] else x['id'], 1)

或者

df['res'] = np.where(df['flag'], df['parent'], df['id'])

输出：

   parent  id   flag  res
0      32   1   True   32
1       3   2   True    3
2      88   3  False    3
3       9   4   True    9
4      10   5  False    5
5      23   6   True   23
6      99   7   True   99
7      23   8   True   23

【讨论】：

【解决方案2】：

修复您的代码，将输出更改为 df

df['res1'] = np.where(df['flag'] == True, df['parent'], df['id'])
df
Out[176]: 
   parent  id   flag  res  res1
0      32   1   True   32    32
1       3   2   True    3     3
2      88   3  False    3     3
3       9   4   True    9     9
4      10   5  False    5     5
5      23   6   True   23    23
6      99   7   True   99    99
7      23   8   True   23    23

【讨论】：

【解决方案3】：

只要改变这个：

df['res'] = np.where(df['flag'] == True, output['parent'], output['id'])

到这里：

df['res'] = np.where(df['flag'] == True, df['parent'], df['id'])

【讨论】：