Pandas：根据现有列的值创建新列答案

【问题标题】：Pandas: Creating new column based on values from existing columnPandas：根据现有列的值创建新列
【发布时间】：2020-05-01 21:54:48
【问题描述】：

我有一个带有两列的 pandas 数据框，如下所示：

A      B
Yes    No
Yes    Yes
No     Yes
No     No
NA     Yes
NA     NA

我想根据这些值创建一个新列，这样如果任何列值是Yes，那么新列中的值也应该是Yes。如果两列的值都为No，则新列的值也为No。最后，如果两列的值都为NA，则新列的输出也将为NA。上述数据的示例输出为：

C
Yes
Yes
Yes
No
Yes
NA

我在数据帧的长度上编写了一个循环，然后检查每个值以获取一个新列。但是，10M 条记录需要很长时间。有没有更快的pythonic方法来实现这一点？

【问题讨论】：

这似乎是非常基本的 Pandas 功能，这种情况有什么特别之处，这意味着基于该主题的大量可用信息无法解决？请参阅How to Ask、help center。顺便说一句，您是否真的使用字符串 "Yes"/"No" 而不是实际的布尔值？
当然，这基本上是 stackoverflow.com/questions/19913659/… 的副本。

标签： python pandas

【解决方案1】：

有点像

df.fillna('').max(axis=1)
Out[106]: 
0    Yes
1    Yes
2    Yes
3     No
4    Yes
5       
dtype: object

【讨论】：

非常好的解决方案！

【解决方案2】：

试试：

(df == 'Yes').eval('A | B').astype(str).mask(df['A'].isna() & df['B'].isna())

【讨论】：

这会为“是”和“否”提供正确的输出，但不会为“NA”提供正确的输出，因为它将“NA”视为“否”。

【解决方案3】：

另一种方式。虽然是硬线

conditions=((df['A']=='Yes')|(df['B']=='Yes'),(df['A']=='No')&(df['B']=='No'),(df['A']=='NaN')&(df['B']=='NaN'))
choicelist=('Yes','No','NaN')
df['C']=np.select(conditions, choicelist)
df

【讨论】：