按行值索引列表中的 Pandas 新列答案

【问题标题】：Pandas new column from indexing list by row value按行值索引列表中的 Pandas 新列
【发布时间】：2020-03-07 05:00:09
【问题描述】：

我希望在 Pandas 数据框中创建一个新列，其中包含由 df 行值过滤的列表值。

df = pd.DataFrame({'Index': [0,1,3,2], 'OtherColumn': ['a', 'b', 'c', 'd']})

   Index OtherColumn
      0           a
      1           b
      3           c
      2           d

l = [1000, 1001, 1002, 1003]

期望的输出：

  Index OtherColumn  Value
      0           a   -
      1           b   -
      3           c   1003
      2           d   -

我的代码：

df.loc[df.OtherColumn == 'c', 'Value'] = l[df.Index]

返回错误，因为 'df.Index' 不被识别为 int 而是作为列表（不按 OtherColumn == 'c' 过滤）。

对于 R 用户，我正在寻找：

df[OtherColumn == 'c', Value := l[Index]]

谢谢。

【问题讨论】：

你的问题有错误吗？您的 df 代码与下面显示的不同？索引应该是 0,1,3,2 而不是 0,1,2,3？

标签： python pandas dataframe filter

【解决方案1】：

将列表转换为numpy数组进行索引，然后在两边按掩码过滤：

m = df.OtherColumn == 'c'
df.loc[m, 'Value'] = np.array(l)[df.Index][m]
print (df)
   Index OtherColumn   Value
0      0           a     NaN
1      1           b     NaN
2      3           c  1003.0
3      2           d     NaN

或者使用numpy.where:

m = df.OtherColumn == 'c'
df['Value'] = np.where(m, np.array(l)[df.Index], '-')
print (df)
   Index OtherColumn Value
0      0           a     -
1      1           b     -
2      3           c  1003
3      2           d     -

或者：

df['value'] = np.where(m, df['Index'].map(dict(enumerate(l))), '-')

【讨论】：

谢谢。这样可行。但是，我的 df.Index 有 NaN，因此它是一个浮点数。你知道有什么快速的解决方法吗？ np.array() 要求一个 int 对其进行切片...
@AlexSB - 如果使用最新版本的 pandas，则可以使用 this
@AlexSB - 对于第一个解决方案，例如添加最后一步 df['Value'] = df['Value'].astype("Int64")

【解决方案2】：

使用Series.where + Series.map:

df['value']=df['Index'].map(dict(enumerate(l))).where(df['OtherColumn']=='c','-')
print(df)

   Index OtherColumn value
0      0           a     -
1      1           b     -
2      3           c  1003
3      2           d     -

【讨论】：