Pandas 根据条件交换列答案

【问题标题】：Pandas swap columns based on conditionPandas 根据条件交换列
【发布时间】：2016-08-11 16:19:23
【问题描述】：

我有一个如下所示的 pandas 数据框：

    Col1  Col2  Col3
0   A     7     NaN
1   B     16    NaN
1   B     16    15

我想要做的是将 Col2 与 Col3 交换，其中 Col3 的值为NaN。根据 SO 上的其他帖子和答案，到目前为止我有这个代码：

df[['Col2', 'Col3']] = df[['Col3', 'Col2']].where(df[['Col3']].isnull())

但这似乎无法正常工作，并给了我以下信息：

    Col1  Col2  Col3
0   A     NaN   NaN
1   B     NaN   NaN
1   B     NaN   NaN

这里有什么我可能遗漏的吗？

更新：我想要的输出如下：

    Col1  Col2  Col3
0   A     NaN   7
1   B     NaN   16
1   B     16    15

谢谢

【问题讨论】：

Col3 为 None 是什么意思？如果所有元素都是 NaN 还是单个元素就足够了？
@ayhan 对于某些行，Col3 的值为 NaN，当这种情况发生时，我想将其与 Col2 交换。我编辑了这个问题，希望现在很清楚。

标签： python pandas swap

【解决方案1】：

您可以使用loc 进行交换：

df.loc[df['Col3'].isnull(), ['Col2', 'Col3']] = df.loc[df['Col3'].isnull(), ['Col3', 'Col2']].values

请注意，.values 是确保交换正确完成所必需的，否则 Pandas 会尝试根据索引和列名进行对齐，并且不会发生交换。

如果您觉得代码更简洁，您也可以单独重新分配每一行：

null_idx = df['Col3'].isnull()
df.loc[null_idx, 'Col3'] = df['Col2']
df.loc[null_idx, 'Col2'] = np.nan

结果输出：

  Col1  Col2  Col3
0    A   NaN   7.0
1    B   NaN  16.0
2    B  16.0  15.0

【讨论】：

【解决方案2】：

试试这个：（它更快）

df["Col3"], df["Col2"] = np.where(df['Col3'].isnull(), [df["Col2"], df["Col3"]], [df["Col3"], df["Col2"] ])
df

     Col1  Col2  Col3
0    A   NaN   7.0
1    B   NaN  16.0
1    B  16.0  15.0


    %timeit df.loc[df['Col3'].isnull(), ['Col2', 'Col3']] = df.loc[df['Col3'].isnull(), ['Col3', 'Col2']].values
100 loops, best of 3: 2.68 ms per loop


    %timeit df["Col3"], df["Col2"] = np.where(df['Col3'].isnull(), [df["Col2"], df["Col3"]], [df["Col3"], df["Col2"] ])
1000 loops, best of 3: 592 µs per loop

【讨论】：

谢谢梅林。知道为什么这种方法比另一种方法更快吗？
我知道，我想知道是什么导致了加速。我也确实赞成你的回答。