0

我试图找出一个更直接的替代方案，用于根据包含 True、False 或 NaN 值的其他两个列在 pandas 数据框中评估和创建新列。我希望新列相对于两个参考列进行如下评估：

  • 如果任一 True -> True
  • 如果至少有一个 False 而不是 True -> False
  • 如果两者都是 NaN -> NaN

我已经找到了一个使用多个嵌套 np.where 语句的解决方案，但更喜欢更直接的方法。对于单个参考列，我想出了如何做到这一点（见下图 col4），但不知道是否有办法使其适应多个参考列的因素。

当前解决方案：

import pandas as pd
import numpy as np

d = {'col1': [True, True, True, False, False, False, np.nan, np.nan, np.nan],
     'col2': [True, False, np.nan,True, False, np.nan,True, False, np.nan]}
df = pd.DataFrame(data=d)

df['col3'] = np.where(
    pd.notnull(df['col1']) & pd.notnull(df['col2']),
    (df['col1'] == True) | (df['col2'] == True),
    np.where(
        pd.isnull(df['col1']) & pd.isnull(df['col2']),
        np.nan,
        np.where(pd.notnull(df['col1']),df['col1'],df['col2'])
    )
)

单参考柱解决方案：

df['col4'] = df['col1'].map(lambda x: x, na_action='ignore')
4

1 回答 1

1

np.select()专为此类工作而生：

df['col3'] = pd.Series(np.select(
    [(df.col1 == True) | (df.col2 == True), (df.col1 == False) | (df.col2 == False)],
    [True, False], np.array(np.nan, object)))

或者，只使用 Pandas，但我认为这种方式可读性较差：

df['col3'] = df.col1.where(df.col1, df.col2.where(df.col2.notnull(), df.col1))
于 2019-07-06T00:53:51.863 回答