在多列中查找匹配值并返回匹配的列标题答案

【问题标题】：look for match values in multiple columns and return the matched column head在多列中查找匹配值并返回匹配的列标题
【发布时间】：2017-07-21 19:14:27
【问题描述】：

我正在尝试检查哪一列（在 3 列中）在列 min 中包含相同的值，并返回匹配列的列标题。用np.where就可以了，那我需要手动输入条件并比较列，这样做有没有更优雅的？

输入示例：

 A    B   C   min    
 1    2   3   1      
 2    3   6   6      
 2    2   1   2

输出示例：

 A    B   C   min    which_col
 1    2   3   1      A
 2    3   6   6      C
 2    2   1   2      AB

我可以使用：

np.where(df['min']==df['A'], 'A', np.where(df['min']==df['B'], 'B')....)

谢谢！

【问题讨论】：

标签： python pandas match multiple-columns

【解决方案1】：

我提出的解决方案

dd = df.drop('min', 1)
df.assign(which_col=dd.eq(df['min'], 0).dot(dd.columns))

   A  B  C  min which_col
0  1  2  3    1         A
1  2  3  6    6         C
2  2  2  1    2        AB

说明

我首先分配一个临时数据框dd，其中所有列都减去'min' 列。我本可以将所有内容集中在一行中，但我相信这有助于提高可读性。

dd = df.drop('min', 1)

接下来，我将'min' 列与dd 进行比较。但是为了比较df['min'] 的每个元素与dd 的每一行，我需要将axis=0 参数传递给eq 方法

dd.eq(df['min'], 0)

       A      B      C
0   True  False  False
1  False  False   True
2   True   True  False

如果我在点积中使用此结果，它将自动转换为 int，因此 False 变为 0 并且 True 变为 1。当我使用dd 的columns 作为另一个操作数时，点积的求和方面会自动连接列中匹配的字符串。

dd.eq(df['min'], 0).dot(dd.columns)

0     A
1     C
2    AB
dtype: object

最后，我使用assign 创建df 的新副本，其中包含一个包含结果的新列。

【讨论】：

@Kay 在这种情况下，eq 是 pd.DataFrame.eq，这是一种数据帧方法。第一个参数是self，它是数据框本身，第二个参数是df['min']。所以a 是dd 和b 是df['min']。但是，当第二个参数是一个系列而不是另一个数据框时，pandas 会将该系列与另一个数据框的列对齐。我们需要将其更改为与索引对齐，因此我们传递参数axis=0。如果我们刚刚完成了dd == df['min']，我们就无法通过axis=0，所以我们使用方法形式来代替。
谢谢，这是有道理的。不确定我是否犯了一些错误，但 columnwhich_col 似乎没有创建。代码运行没有错误。你知道为什么吗？谢谢！
@Kay，我经常使用assign，因为它是一种非侵入性的帮助方式。当你运行它时，它不会通过覆盖它来搞乱你现有的数据框。 assign 生成一个副本，其中包含一个新列。您有两个选择，通过覆盖变量名重新分配给df：df = df.assign(which_col=dd.eq(df['min'], 0).dot(dd.columns))。或者，直接分配给一个新列（我在回答中避免这样做，但欢迎您这样做）df['which_col'] = dd.eq(df['min'], 0).dot(dd.columns)
@piRSquared，这是一个非常优雅的解决方案！

【解决方案2】：

这是一个班轮。

In [138]: (df[list('ABC')].eq(df['min'], axis=0)
           .apply(lambda x: ''.join(x[x].index), axis=1))
Out[138]:
0      A
1      C
2    AB
dtype: object

In [139]: df['which_col'] = (df[list('ABC')].eq(df['min'], axis=0)
                             .apply(lambda x: ''.join(x[x].index), axis=1))

In [140]: df
Out[140]:
   A  B  C  min which_col
0  1  2  3    1         A
1  2  3  6    6         C
2  2  2  1    2        AB

【讨论】：