python pandas 以优雅的方式按条件逐行替换答案

【问题标题】：python pandas row wise substitution by condition in an elegant waypython pandas 以优雅的方式按条件逐行替换
【发布时间】：2018-09-24 19:20:01
【问题描述】：

我有以下问题：

例如，给定一个数据框，

import pandas as pd
df = pd.DataFrame({'col1':[1,0,0,1],'col2':['B','B','A','A'],'col3':[1,2,3,4]})

在其他一些工具中，我可以轻松地根据条件创建一个新列，比如

如果 df['col1'] == '0' & ~df['col2'].isnull() else 'col1' 则使用 'col2' 创建新列 'col3'

这个其他工具的工作速度非常快。目前在python中没有找到对应的表达式。

1.) 我尝试了 np.where 迭代行但不允许在结果中与确切行对应的动态值

2.) 我尝试过 .apply(lambda ... )，它似乎很慢。

如果您能找到解决此问题的优雅方法，我会很高兴。谢谢。

【问题讨论】：

标签： python pandas

【解决方案1】：

我认为需要numpy.where 和notnull 而不是倒置isnull（感谢@jpp）：

df = pd.DataFrame({'col1':[1,0,0,1],'col2':['B','B','A','A'],'col3':[1,2,3,4]})

df['col3'] = np.where((df['col1'] == 0) & (df['col2'].notnull()), df['col2'], df['col1'])
print (df)
   col1 col2 col3
0     1    B    1
1     0    B    B
2     0    A    A
3     1    A    1

【讨论】：

【解决方案2】：

试试这个：

import numpy as np
df['new_col'] = np.where(df['col1'] == 0 & (~df['col2'].isnull()), df['col2'], df['col1'] )

np.where 比 pd.apply 快：Why is np.where faster than pd.apply

【讨论】：

【解决方案3】：

你可以使用df.loc:

df['col3'] = df['col1']
df.loc[(df['col1'] == 0 )& (~df['col2'].isnull()), 'col3'] = df['col2']

【讨论】：