Pandas 从最左列循环并按字典更改值

Question

我有以下字典和数据框：

val_dict = {
    'key1': ['val1', 'val2', 'val3'], 
    'key2': ['val4', 'val5']
}

df = pd.DataFrame(data={'val5': [True, False, False], 
                        'val2': [False, True, False], 
                        'val3': [True, True, False], 
                        'val1': [True, False, True], 
                        'val4': [True, True, False],
                        'val6': [False, False, True]},
                        index=pd.Series([1, 2, 3], name='index'))

index	val5	val2	val3	val1	val4	val6
1	True	False	True	True	True	False
2	False	True	True	False	True	False
3	False	False	False	True	False	True

如何从左侧遍历数据框，以便如果列是 True，val_dict 值中的其他列将变为 False？

index	val5	val2	val3	val1	val4	val6
1	True	False	True	FALSE	FALSE	False
2	False	True	FALSE	False	True	False
3	False	False	False	True	False	True

例如，索引 1 具有 val5 和 True，因此 val4 切换到 False，因为它们都分配给相同的 val_dict 键。同样，val2 是 False，但 val3 是 True，所以 val1 变成了 False。请注意，它应该跳过val6。

我尝试将df 转换为带有df.to_dict('index') 的字典以使用两个字典。但是，字典是无序的，并且列的顺序很重要，所以我认为这可能会使代码出错。

Answer 1

一种方法是结合分配和掩码：

# either val2 or val3 can be True:
com = df.filter(['val2', 'val3']).sum(1).ge(1)

           # val2 is the leftmost, so start with that
(df.assign(**df.filter(['val1', 'val3']).mask(df.val2, False))
           # next is the combination of val2 and val3
   .assign(val1 = lambda df: df.val1.mask(com, False), 
           val4 = lambda df: df.val4.mask(df.val5, False))
)
Out[84]: 
        val5   val2   val3   val1   val4   val6
index                                          
1       True  False   True  False  False  False
2      False   True  False  False   True  False
3      False  False  False   True  False   True

请注意，val6 未更改，因此值保持不变。

Answer 2

这是我尝试转换为字典时的结果：

def section_filter(df, section_dict):
    result = {}
    for index, vals in df.to_dict('index').items():
        lst = []
        for val in section_dict.values():
            lst.append({k:v for k, v in vals.items() if k in val})
        for k, v in vals.items():
            if k not in [m for mi in section_dict.values() for m in mi]:
                lst.append({k: v})
        for l in lst:
            for i in l:
                if l[i]:
                    l.update({k:False for k in l.keys()})
                    l[i] = True
                    break 
        result[index] = {k: v for d in lst for k, v in d.items()}
    return pd.DataFrame.from_dict(result, orient='index', columns=df.columns)

print(df)
print()
print(section_filter(df, val_dict))

        val5   val2   val3   val1   val4   val6
index                                          
1       True  False   True   True   True  False
2      False   True   True  False   True  False
3      False  False  False   True  False   True

    val5   val2   val3   val1   val4   val6
1   True  False   True  False  False  False
2  False   True  False  False   True  False
3  False  False  False   True  False   True