在 pandas 数据框中，根据其他两列中的结果生成第三列数据答案

【问题标题】：In pandas dataframe, generate third column data based on results in two other columns在 pandas 数据框中，根据其他两列中的结果生成第三列数据
【发布时间】：2016-09-21 18:27:45
【问题描述】：

我是数据框的新手。我有列A、B 和C 并想使用A 和B 中的数据在C 中创建一个值。例如，如果A = 1 和/或B = 1，那么我想放置1 在列 C 中，并为数据框中的所有行执行此逻辑。

例如起始数组：

         A  B  C
0        1  0  
1        0  1  
2        1  1  
3        0  0

等

结果数组：

         A  B  C
0        1  0  1
1        0  1  1
2        1  1  1
3        0  0  0

等

【问题讨论】：

标签： python pandas dataframe boolean conditional-statements

【解决方案1】：

给定起始 DF：

df = pd.DataFrame({'A': [1, 0, 1, 0], 'B': [0, 1, 1, 0]})

然后您可以像这样创建列C：

df['C'] = (df == 1).any(axis=1).astype(int)

然后离开df为：

【讨论】：

df['C'] = (df == 1).any(axis=1).astype(int) 或许就足够了？
@JohnGalt 是的 - 我很傻 - 谢谢。我已经更新了答案。

【解决方案2】：

使用numpy.where:

df['C'] = np.where(df.A | df.B, 1, 0)
print (df)
   A  B  C
0  0  0  0
1  0  1  1
2  1  0  1
3  1  1  1

df['C'] = np.where((df.A == 0) & (df.B == 0), 0, 1)
print (df)
   A  B  C
0  0  0  0
1  0  1  1
2  1  0  1
3  1  1  1

或者通过astype更简单地将布尔值Series转换为int：

df['C'] = (df.A | df.B).astype(int)
print (df)
   A  B  C
0  0  0  0
1  0  1  1
2  1  0  1
3  1  1  1

df['C'] = (~((df.A == 0) & (df.B == 0))).astype(int)
print (df)
   A  B  C
0  0  0  0
1  0  1  1
2  1  0  1
3  1  1  1

【讨论】：

【解决方案3】：

使用list comprehesion 和zip 的其他解决方案

df['C'] = [(1 if i or j == 1 else 0) for i,j in zip(df['A'], df['B'])]

它返回：

如果'A' 和'B' == 更改条件1 使用&：

例子：

df['C'] = [(1 if i & j == 1 else 0) for i,j in zip(df['A'], df['B'])]

这将返回：

【讨论】：

【解决方案4】：

def f(x):

    if (x.B==1) and (x.A !=1): #Or whatever logic you like
        return 1
    else: 
        return 0

df['C'] = df.apply(lambda x: f(x), axis = 1)

【讨论】：

【解决方案5】：

可以使用numpylogical_and和logical_or的逻辑函数

import numpy as np

df['C'] = np.logical_and(df['A'], df['B']).astype(int)

【讨论】：