Pandas - 根据行值有条件地为新列选择数据的源列 [英] Pandas - conditionally select source column of data for a new column based on row value

问题描述

是否有允许根据条件从不同列中进行选择的 Pandas 函数?这类似于 SQL Select 子句中的 CASE 语句.例如，假设我有以下 DataFrame:

foo = DataFrame([['美国',1,2],['加拿大',3,4],['加拿大',5,6]],列 = ('国家', 'x', 'y'))

我想在 Country=='USA' 时从 'x' 列中选择，当 Country=='Canada' 时从 'y' 列中进行选择，结果如下:

 国家 x y z0 美国 1 2 11 加拿大 3 4 42 加拿大 5 6 6[3 行 x 4 列]

解决方案

Using DataFrame.where 的 other 参数和 pandas.concat:

<预><代码>>>>将熊猫导入为 pd>>>>>>foo = pd.DataFrame([... ['美国',1,2],... ['加拿大',3,4],... ['加拿大',5,6]... ], columns=('国家', 'x', 'y'))>>>>>>z = foo['x'].where(foo['Country'] == 'USA', foo['y'])>>>pd.concat([foo['Country'], z],axis=1)国家 x0 美国 11 加拿大 42 加拿大 6

如果您希望 z 作为列名，请指定 keys:

<预><代码>>>>pd.concat([foo['Country'], z], keys=['Country', 'z'], axis=1)国家 z0 美国 11 加拿大 42 加拿大 6

Is there a pandas function that allows selection from different columns based on a condition? This is analogous to a CASE statement in a SQL Select clause. For example, say I have the following DataFrame:

foo = DataFrame(
    [['USA',1,2],
    ['Canada',3,4],
    ['Canada',5,6]], 
    columns = ('Country', 'x', 'y')
)

I want to select from column 'x' when Country=='USA', and from column 'y' when Country=='Canada', resulting in something like the following:

  Country  x  y  z
0     USA  1  2  1
1  Canada  3  4  4
2  Canada  5  6  6

[3 rows x 4 columns]

解决方案

Using DataFrame.where's other argument and pandas.concat:

>>> import pandas as pd
>>>
>>> foo = pd.DataFrame([
...     ['USA',1,2],
...     ['Canada',3,4],
...     ['Canada',5,6]
... ], columns=('Country', 'x', 'y'))
>>>
>>> z = foo['x'].where(foo['Country'] == 'USA', foo['y'])
>>> pd.concat([foo['Country'], z], axis=1)
  Country  x
0     USA  1
1  Canada  4
2  Canada  6

If you want z as column name, specify keys:

>>> pd.concat([foo['Country'], z], keys=['Country', 'z'], axis=1)
  Country  z
0     USA  1
1  Canada  4
2  Canada  6

这篇关于Pandas - 根据行值有条件地为新列选择数据的源列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！