在 Pandas 中使用基于现有行值的条件创建新列并返回另一行的值答案

【问题标题】：Creating new column in Pandas with a condition based on existing row values and returning another row's values在 Pandas 中使用基于现有行值的条件创建新列并返回另一行的值
【发布时间】：2018-03-15 15:28:28
【问题描述】：

希望对以下问题有所帮助。我目前有一个包含 3 列的熊猫数据框 - test1、test2、test3

我希望实现的是result_column中的结果，其中的逻辑是：

1) 如果test1中的值AND test2>0，则返回test3的值

2) Else 如果 test1 AND test2 NEGATIVE 值

3) 否则返回 0

  test1  test2  test3  result_column
0    0.5    0.1   1.25    1.25
1    0.2   -0.2   0.22       0
2   -0.3   -0.2   1.12   -1.12
3    0.4   -0.3   0.34       0
4    0.5      0   0.45       0

这是我第一次发布关于 python 和 pandas 的问题。如果这里的格式不是最佳的，请提前道歉。感谢我能得到的任何帮助！

【问题讨论】：

标签： python pandas

【解决方案1】：

我认为需要numpy.select 与& (AND) 链接的条件或按子集[[]] 选择所有测试列，比较DataFrame.all 的ant 测试：

m1 = (df.test1 > 0) & (df.test2 > 0)
#alternative
#m1 = (df[['test1', 'test2']] > 0).all(axis=1)

m2 = (df.test1 < 0) & (df.test2 < 0)
#alternative
#m2 = (df[['test1', 'test2']] < 0).all(axis=1)

df['result_column'] = np.select([m1,m2], [df.test3, -df.test3], default=0)
print (df)
   test1  test2  test3  result_column
0    0.5    0.1   1.25           1.25
1    0.2   -0.2   0.22           0.00
2   -0.3   -0.2   1.12          -1.12
3    0.4   -0.3   0.34           0.00
4    0.5    0.0   0.45           0.00

【讨论】：

谢谢，这确实很好用！但是，它给出了“SettingwithCopyWarning”错误。虽然我仍然能够运行这个块。我需要担心这个错误吗？ C:\blp\BQuant\environments\bqnt-0.42.2\lib\site-packages\bqnb\kernelapp.py:4：SettingWithCopyWarning：试图在数据帧的切片副本上设置值。尝试改用 .loc[row_indexer,col_indexer] = value
我认为问题应该是另一个问题 - 我猜 need copy 如果过滤。或者set values 可能有问题 - 检查here
@Singapore123 - 你能告诉我df['result_column'] = np.select([m1,m2], [df.test3, -df.test3], default=0)上面的代码吗？
我使用了你建议的那个 - m1 = (df.test1 > 0) & (df.test2 > 0) m2 = (df.test1

【解决方案2】：

巧妙地使用np.sign 和逻辑
如果两者都是> 0 或两者都是< 0，则产品为1，否则产品为-1 或0。如果两者都是> 0，那么总和的符号是1。如果两者都是< 0，则总和的符号为-1，否则为0。这些东西的产物正是我们想要的。

v = np.sign(df[['test1', 'test2']].values)
df.assign(result_column=v.prod(1) * np.sign(v.sum(1)) * df.test3 + 0)

   test1  test2  test3  result_column
0    0.5    0.1   1.25           1.25
1    0.2   -0.2   0.22           0.00
2   -0.3   -0.2   1.12          -1.12
3    0.4   -0.3   0.34           0.00
4    0.5    0.0   0.45           0.00

【讨论】：