根据条件迭代熊猫列答案

【问题标题】：iterate over pandas columns based on conditions根据条件迭代熊猫列
【发布时间】：2021-03-06 04:32:07
【问题描述】：

想根据 count、A 和 B 的值计算 C

样本df：

count	A	B	C
yes	23	2	nan
nan	23	1	nan
yes	41	6	nan

我想要的结果

count	A	B	C
yes	23	2	46
nan	23	1	0
yes	41	6	246

仅当计数值 = 是时计算 C = A*B，否则 C 值 =0 也就是说，它应该跳过 count 的 nan 值

任何帮助都是可观的

我正在尝试这个

for ind, row in df.iterrows():
    if df['count'] == 'yes':
        df.loc[ ind, 'C'] =row['A'] *row['B']
    else:
        df.loc[ ind, 'C'] =0

但它给出了错误：ValueError：一个系列的真值是模棱两可的。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

【问题讨论】：

标签： python pandas dataframe numpy

【解决方案1】：

另一种选择：

df.C = df.A.mul(df.B).where(df['count'].eq('yes')).fillna(0)

df
#  count   A  B      C
#0   yes  23  2   46.0
#1   NaN  23  1    0.0
#2   yes  41  6  246.0

或者如果您更喜欢运算符：df.C = (df.A * df.B).where(df['count'] == 'yes').fillna(0)

【讨论】：

【解决方案2】：

pandas 重载 * 进行此操作，前提是您正确指定要设置的索引：

mask = df["count"].notna()
df.loc[mask, "C"] = df["A"]*df["B"]
df.C.fillna(0, inplace=True)

或更简洁的版本会惹恼您的同事：

df["C"] = df["A"]*df["B"]*(df["count"].notna())

最后，df["count"].notna() 返回一个布尔列，当与数字列相乘时转换为数字类型。简洁但清晰。

任一输出：

  count   A  B      C
0   yes  23  2   46.0
1   NaN  23  1      0
2   yes  41  6  246.0

这将比.apply 性能更高，并且比 iterrows 性能更高。

【讨论】：

条件未应用

【解决方案3】：

就用这个吧：-

df['C']=df[df['count']=='yes']['C'].fillna(value=df['A']*df['B'])
df['C']=df['C'].fillna(0)

试试这个：-

for ind, row in df.iterrows():
    if row['count'] == 'yes':
        df.loc[ ind, 'C'] =row['A'] *row['B']
    else:
        df.loc[ ind, 'C'] =0

你收到错误是因为你写的是df['count']=='yes'而不是row['count'] == 'yes'

【讨论】：

【解决方案4】：

您可以尝试使用df.prod 将A 与B 相乘，并使用df.mask 屏蔽NaN 值。

df['C'] = df[['A', 'B']].prod(axis=1).mask(df['count'].isna(), 0)

  count   A  B    C
0   yes  23  2   46
1   NaN  23  1    0
2   yes  41  6  246

【讨论】：

【解决方案5】：

最快的方法是np.where()：

df['C'] = np.where(
   df['count'] == 'yes', # condition
   df['A'] * df['B'],    # result if true
   0,                    # result if false
)

    count    A    B    C
0     yes   23    2   46
1     NaN   23    1    0
2     yes   41    6  246

针对df = pd.concat([df] * 1000)的所有当前答案的时间安排：

method (hyperlinked to SO answer)	`%timeit` (mean ± SD; 7 runs, 1K loops each)
1. `np.where()`	561 µs ± 23.9 µs per loop
2. `* df['count'].notna()`	642 µs ± 15.4 µs per loop
3. `Series.where()` with `fillna()`	844 µs ± 7.89 µs per loop
4. `loc[]` with `fillna()`	1.31 ms ± 237 µs per loop
5. `Series.mask()` with `isna()`	1.49 ms ± 280 µs per loop
6. `fillna()` x2	1.63 ms ± 103 µs per loop

【讨论】：