根据不同列中的条件修改 2 列答案

【问题标题】：modifying 2 columns based on a condition in a different column根据不同列中的条件修改 2 列
【发布时间】：2019-08-31 11:13:30
【问题描述】：

我有以下 df 5 列，其中 aa 是 (ww+zz) 的总和：

     xx    yy    ww   zz  aa
A    5     3     4    2   6  
B    2     0     4    1   5
C    3     0     4    2   6
D    3     2     3    3   6

我期待每当yy列的值为0时，然后将zz的值添加到ww中，ww将其设置为零，如果zz的值不为零，则保持原样。

期望的输出是：

     xx    yy    ww   zz  aa
A    5     3     4    2   6  
B    2     0     5    0   5
C    3     0     6    0   6  
D    3     2     3    3   6

【问题讨论】：

标签： python pandas

【解决方案1】：

这就是你所追求的吗？

df[['ww', 'zz']] = (
    df.apply(lambda x: [x.zz+x.ww, 0] if x.yy==0 else [x.ww, x.zz], axis=1)
    .apply(pd.Series)
)

    xx  yy  ww  zz  aa
A   5   3   4   2   6
B   2   0   5   0   5
C   3   0   6   0   6
D   3   2   3   3   6

如果关注性能，请使用此版本：

(
    df.assign(y=df.yy.eq(0))
    .assign(ww=lambda x: x.zz.mul(x.y).add(x.ww))
    .assign(zz=lambda x: x.zz.mul(~x.y))
    .drop('y', axis=1)
)

【讨论】：

虽然这行得通，但apply(pd.Series) 是你不想做的事情，因为它非常慢。
另外，第一种方法可以写成df[['ww', 'zz']] = df.apply(lambda x: [x.zz+x.ww, 0] if x.yy==0 else [x.ww, x.zz], axis=1,result_type='expand')。在此处查看 anky_91 的答案stackoverflow.com/questions/57646384/…
感谢@Erfan，如果关注性能，只需添加一个更快的版本。
@MarkWang，谢谢，我从未使用过该参数。很高兴每天都能学到新东西:-)
使用lambda 两次将不再有效。这里有向量化的答案，OP可能不知道。

【解决方案2】：

创建一个掩码，将具有yy 列 eq 的行标识为0，并使用where 应用条件。

mask_0 = df['yy'].eq(0)

df['ww'] = df['zz'].where(mask_0,0) + df['ww']

df['zz'] = df['zz'].where(~mask_0,0)

【讨论】：

【解决方案3】：

使用np.where 有条件地将zz 添加到ww 和mask 以将zz 中的值替换为0 如果yy == 0：

m = df['yy'].eq(0)

df['ww'] = np.where(m, df['ww'].add(df['zz']), df['ww'])
df['zz'] = df['zz'].mask(m, 0)

输出

   xx  yy  ww  zz  aa
0   5   3   4   2   6
1   2   0   5   0   5
2   3   0   6   0   6
3   3   2   3   3   6

计时测试

df = pd.concat([df]*200000, ignore_index=True)

二凡

%%timeit

m = df['yy'].eq(0)

df['ww'] = np.where(m, df['ww'].add(df['zz']), df['ww'])
df['zz'] = df['zz'].mask(m, 0)

13.8 ms ± 112 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

艾伦

%%timeit

(
    df.assign(y=df.yy.eq(0))
    .assign(ww=lambda x: x.zz.mul(x.y).add(x.ww))
    .assign(zz=lambda x: x.zz.mul(~x.y))
    .drop('y', axis=1)
)


31.3 ms ± 2.36 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

【讨论】：

【解决方案4】：

试试这个：

>>> df=pd.DataFrame(data={"xx": [5,2,3,3], "yy": [3,0,0,2], "ww": [4,4,4,3], "zz": [2,1,2,3], "aa": [6,5,6,6]}, index=["A", "B", "C", "D"])
>>> df["ww"][df["yy"]==0]=df["ww"]+df["zz"]
>>> df["zz"][df["yy"]==0]=0
>>> df
   xx  yy  ww  zz  aa
A   5   3   4   2   6
B   2   0   5   0   5
C   3   0   6   0   6
D   3   2   3   3   6

【讨论】：