我希望使用 Pandas 从 Python 中的 Power Query M 函数中复制条件列答案

【问题标题】：I wish to replicate conditional column from Power Query M function in Python using Pandas我希望使用 Pandas 从 Python 中的 Power Query M 函数中复制条件列
【发布时间】：2021-06-09 23:37:59
【问题描述】：

我一直在使用 Power Query 处理一些数据，框架的灵活性给我留下了深刻的印象。目前，我希望在 Pandas 中复制条件列步骤，因为我想将其包含在自动数据清理脚本管道中。

在这种情况下，Power Query 创建一个名为 acc_col 的新列，查看数据集中的每一列（Tags.1、Tags.2 等）以及该列中的字符串是否与值的开头匹配（Acceleration- ) 然后将该值输出到新列中，否则如果未找到匹配项，则输出 Unknown Acc。这是编辑器的样子

 #"Added Conditional Column" = Table.AddColumn(#"Replaced Value", "acc_col", each if Text.StartsWith([Tags.1], "Acceleration-") then [Tags.1] else if Text.StartsWith([Tags.2], "Acceleration-") then [Tags.2] else if Text.StartsWith([Tags.3], "Acceleration-") then [Tags.3] else if Text.StartsWith([Tags.4], "Acceleration-") then [Tags.4] else if Text.StartsWith([Tags.5], "Acceleration-") then [Tags.5] else "Unknown Acc")

我在 Pandas 上尝试了一些东西，但我的知识有点有限。我设法使用以下方法读取了标签列之一

Tags0	Tags1	Tags2
Alumni-2017,Acceleration-2016	None	None
Alumni	Acceleration-2017	None
Acceleration-2015	None	None
Alumni-2017	Acceleration-2015	None
Alumni-2017	Acceleration-2014	None

df['acc_col'] = df['Tags0'].where(df['Tags0'].str.contains('Acceleration', na=False), )

Tags0	Tags1	Tags2	acc_col
Alumni-2017,Acceleration-2016	None	None	Acceleration-2016
Alumni	Acceleration-2017	None	None
Acceleration-2015	None	None	Acceleration-2015
Alumni-2017	Acceleration-2015	None	None
Alumni-2017	Acceleration-2014	None	None

我看到输出包含所有包含关键字的内容，但如果我希望对其他列执行相同操作，它会覆盖以前的结果。我需要它们都在同一列上，因为它一一阅读。

 df['acc_col'] = df['Tags1'].where(df['Tags1'].str.contains('Acceleration', na=False), )

Tags0	Tags1	Tags2	acc_col
Alumni-2017,Acceleration-2016	None	None	None
Alumni	Acceleration-2017	None	Acceleration-2017
Acceleration-2015	None	None	None
Alumni-2017	Acceleration-2015	None	Acceleration-2015
Alumni-2017	Acceleration-2014	None	Acceleration-2014

我觉得我很接近了，但我需要更多帮助。

【问题讨论】：

请添加示例数据框，并提供预期输出。请添加数据，而不是图片或重定向
@sammywemmy 嘿，我编辑了外观，以便我包含数据框。我想添加图片作为我在 powerBI 中所做工作的参考

标签： python pandas powerbi powerquery

【解决方案1】：

我想我设法回答了我自己的问题。我只需要将条件的结果添加到另一个 pd.where 语句并继续，直到扫描完所有列。

df['Acceleration'] = df['Tags0'].where(df['Tags0'].str.contains('Acceleration', na=False), 
                                                       df['Tags1'].where(df['Tags1'].str.contains('Acceleration', na=False),
                                                       df['Tags2'].where(df['Tags2'].str.contains('Acceleration', na=False),
                                                       df['Tags3'].where(df['Tags3'].str.contains('Acceleration', na=False),
                                                       df['Tags4'].where(df['Tags4'].str.contains('Acceleration', na=False),'Unknown')))))

【讨论】：

【解决方案2】：

试试这个，看看是不是你想要的：

transform

这里假设所有列都是字符串；如果没有，您可以先选择 dtypes 进行一些修改：

condition = df.transform(lambda x: x.str.contains("Acceleration", na=False))

在整个数据框上使用where 函数创建新列，并在columns 轴上使用forward filling 以获得所需的列：

df.assign(acc_col=df.where(condition).ffill(axis = 'columns').iloc[:, -1])

                           Tags0              Tags1 Tags2                        acc_col
0  Alumni-2017,Acceleration-2016               None  None  Alumni-2017,Acceleration-2016
1                         Alumni  Acceleration-2017  None              Acceleration-2017
2              Acceleration-2015               None  None              Acceleration-2015
3                    Alumni-2017  Acceleration-2015  None              Acceleration-2015
4                    Alumni-2017  Acceleration-2014  None              Acceleration-2014

如果acc_col 中有任何空值，您可以使用replace 函数或fillna 将其填充为您的首选值（“未知”）。

在 Power Query 中，我认为您可以将列转换为列表，并在列表中运行搜索/提取，（可能使用 List.Contains）结合单个 if 语句，而不是单独的 if/else 检查.这可能需要您编写 M 代码。我的能量查询技能有一段时间没有被调用，所以我的建议可能是错误的。

【讨论】：