合并 pandas 中的列以创建新列答案

【问题标题】：Combine columns in pandas to create a new column合并 pandas 中的列以创建新列
【发布时间】：2019-10-15 00:41:58
【问题描述】：

您好，我正在处理 pandas 数据框，我想创建一个组合多个列的列并对它们应用条件，我正在寻找一种聪明的方法来做到这一点。

假设数据框看起来像

A   B   C   D
1   0   0   0
0   1   0   0
0   0   1   0
1   0   1   0
1   1   1   0
0   0   1   1

我的输出列应该如下

A   B   C   D   Output_col
1   0   0   0   A
0   1   0   0   B
0   0   1   0   C
1   0   1   0   A_C
1   1   1   0   A_B_C
0   0   1   1   C_D

我当然可以使用下面的代码来实现这一点，但是我必须为每一列都这样做。

test['Output_col'] = test.A.apply(lambda x: A if x > 0 else 0)

我想知道如果我有非常多的列，是否有一种方法可以在不应用到每一列的情况下实现这一点。

提前致谢！！

【问题讨论】：

标签： python-3.x pandas dataframe feature-engineering

【解决方案1】：

使用DataFrame.apply + join。使用x.index( 注意使用axis = 1) + boolean indexing 和Series.eq 来过滤选定的列：

test['Output_col']=test.apply(lambda x: '_'.join(x.index[x.eq(1)]),axis=1)
print(test)

   A  B  C  D Output_col
0  1  0  0  0          A
1  0  1  0  0          B
2  0  0  1  0          C
3  1  0  1  0        A_C
4  1  1  1  0      A_B_C
5  0  0  1  1        C_D

仅应用列列表：

my_list_columns=['enter element of your list']
test['Output_col']=test[my_list_columns].apply(lambda x: '_'.join(x.index[x.eq(1)]),axis=1)
print(test)

所有列的大小写为 0

my_list_columns=['A','B','C','D']
df['Output_col']=df[my_list_columns].apply(lambda x: '_'.join(x.index[x.eq(1)])  if x.eq(1).any() else 'no_value',axis=1)
print(df)

   A  B  C  D Output_col
0  1  0  0  0          A
1  0  0  0  0   no_value
2  0  0  1  0          C
3  1  0  1  0        A_C
4  1  0  1  0        A_C
5  0  0  1  1        C_D

【讨论】：

非常感谢您的回复，但我只需要将其应用于列列表，但我相信这将应用于数据框中的所有列。任何方式我都可以只应用一个列列表。很抱歉造成混乱
我已经针对这种情况更新了解决方案。不要忘记给答案评分：stackoverflow.com/help/someone-answers。对网站运营很有用
感谢这正是我一直在寻找的，它确实具有魔力，但是对于所有列为零的所有行，它似乎生成了我尝试使用 test['Output_col'] = test['Output_col'].str.replace(" ", 'no_value') 修复的空白单元格.但这似乎没有帮助。任何方法都可以解决这个问题
为什么会有空格？如果test ['out_col'] = test['out_col'] str.replace (" "," no_value ") 不起作用，那是因为没有空格。可能是因为数据的合理性
很高兴为您提供帮助！

【解决方案2】：

编辑：对于列的子集（我使用方法 2）

cols = ['A', 'B']
df1 = df[cols]
s = df1.columns + '-'
df['Output_col'] = df1.dot(s).str[:-1]

Out[54]:
   A  B  C  D Output_col
0  1  0  0  0          A
1  0  1  0  0          B
2  0  0  1  0
3  1  0  1  0          A
4  1  1  1  0        A-B
5  0  0  1  1

试试str.replace和dot的组合

df['Output_col'] = df.dot(df.columns).str.replace(r'(?<!^)(?!$)','-')

Out[32]:
   A  B  C  D Output_col
0  1  0  0  0          A
1  0  1  0  0          B
2  0  0  1  0          C
3  1  0  1  0        A-C
4  1  1  1  0      A-B-C
5  0  0  1  1        C-D

如果您对正则表达式模式感到不安。不用str.replace也可以试试这个方法

s = df.columns + '-'
df['Output_col'] = df.dot(s).str[:-1]

Out[50]:
   A  B  C  D Output_col
0  1  0  0  0          A
1  0  1  0  0          B
2  0  0  1  0          C
3  1  0  1  0        A-C
4  1  1  1  0      A-B-C
5  0  0  1  1        C-D

【讨论】：

嘿，安迪。，感谢您的回复，但不适用于列列表，这将再次应用于整个数据集
@AnalyticsTeam：哦，在这种情况下，只需对您想要的列列表进行切片，然后处理该切片数据帧并分配回df。我编辑了答案以显示它

【解决方案3】：

这建立在@Jezrael 提供的解决方案之上：link

df['Output_col'] = df.dot(df.columns.str.cat(['_']*len(df.columns),sep='')).str.strip('_')



    A   B   C   D   Output_col
0   1   0   0   0   A
1   0   1   0   0   B
2   0   0   1   0   C
3   1   0   1   0   A_C
4   1   1   1   0   A_B_C
5   0   0   1   1   C_D

【讨论】：