熊猫：通过向前填充某个值来组合数据框中的两个字符串列答案

【问题标题】：Pandas: Combine two string columns in dataframe by filling forward certain value熊猫：通过向前填充某个值来组合数据框中的两个字符串列
【发布时间】：2019-01-07 21:48:40
【问题描述】：

我有这个df：

import pandas as pd

df1 = pd.DataFrame({
  'Type': ['red', 'blue', 'red', 'red', 'blue'],
  'V1': ['No', 'No', 'No', 'Yes', 'No'],
  'V2': ['Yes', 'Yes', 'No', 'Yes', 'No'],
  'V3': ['Yes', 'No', 'No', 'Yes', 'No'],
  'V4': ['No', 'No', 'No', 'Yes', 'Yes']
})

我想要一个如下所示的数据框：

    Type    V1    V2    V3    V4   V3_4 
0   red     No    Yes   Yes   No   Yes
1   blue    No    Yes   No    No   No
2   red     No    No    No    No   No
3   red     Yes   Yes   Yes   Yes  Yes
4   blue    No    No    No    Yes  Yes

因此，基本上来自V3 的任何“是”值都将转入一个新列V3_4，并将来自V4 的“是”值转入V3_4 列。

看起来我可以使用 ffill 或使用某些逻辑构建 python 函数来做到这一点。两种方法我都可以，我想知道最优雅的是什么。

【问题讨论】：

标签： python string pandas function dataframe

【解决方案1】：

这可能看起来微不足道，但我们可以将“是”替换为 True 并执行或操作

df1 = pd.DataFrame({'Type':['red','blue','red','red','blue'], 'V1':['No','No','No','Yes','No'], 'V2':['Yes','Yes','No','Yes','No'], 'V3':['Yes','No','No','Yes','No'], 'V4':['No','No','No','Yes','Yes']})

df1[['V3','V4']]=df1[['V3','V4']].replace({'Yes':True,'No':False})
x=df1.V4.astype('bool')|df1.V3.astype('bool')

df1[['V3','V4']]=df1[['V3','V4']].replace({True:'Yes',False:'No'})
df1['V3_4']=x.replace({True:'Yes',False:'No'})
df1

【讨论】：

【解决方案2】：

使用np.where：

df['V3_4'] = np.where(df.V3.eq('Yes') | df.V4.eq('Yes'), 'Yes', 'No')

   Type   V1   V2   V3   V4 V3_4
0   red   No  Yes  Yes   No  Yes
1  blue   No  Yes   No   No   No
2   red   No   No   No   No   No
3   red  Yes  Yes  Yes  Yes  Yes
4  blue   No   No   No  Yes  Yes

感谢@Anton vBR，这也可以写得更简洁一点：

np.where((df1[['V3','V4']].eq('Yes')).any(1), 'Yes', 'No')

【讨论】：

太棒了！这运作良好。我可以在 8 分钟内接受 :)
我认为这很优雅，可能会写成np.where((df1[['V3','V4']] == 'Yes').any(1), 'Yes', 'No')
我会把它添加到答案中，我也喜欢这个

【解决方案3】：

def build(a,b):
    if a =='Yes':
        return "Yes"
    elif b =='Yes':
        return "Yes"
    else:
        return "No"

df1['V3_4'] = df1[['V3','V4']].apply(lambda x : build(x),axis =1)

【讨论】：

去掉第二个和第三个检查，让你的else条件返回b
可以，但尽量避免申请！

【解决方案4】：

使用np.where

例如：

import pandas as pd
import numpy as np
df1 = pd.DataFrame({'Type':['red','blue','red','red','blue'], 'V1':['No','No','No','Yes','No'], 'V2':['Yes','Yes','No','Yes','No'], 'V3':['Yes','No','No','Yes','No'], 'V4':['No','No','No','Yes','Yes']})
df1["V3_4"] = np.where(df1["V3"] == "No", df1["V4"], df1["V3"])
print(df1)

输出：

   Type   V1   V2   V3   V4 V3_4
0   red   No  Yes  Yes   No  Yes
1  blue   No  Yes   No   No   No
2   red   No   No   No   No   No
3   red  Yes  Yes  Yes  Yes  Yes
4  blue   No   No   No  Yes  Yes

【讨论】：