代码之家 › 专栏 › 技术社区 › user9639519

如何基于索引外的行向新列返回值

where indexing pandas python

user9639519 · 技术社区 · 6 年前

问题标题可能无法准确反映问题,因为很难总结。它更容易显示。我正在尝试根据df中的列的值创建新列。这些值位于间歇索引点。它们将始终被标记或与其他列关联。

输入:

import pandas as pd
import numpy as np

k = 5
N = 10

df = pd.DataFrame({ 'Frame' : range(1, N + 1 ,1),
    'A_X' : np.random.randint(k, k + 100 , size=N),
    'A_Y' : np.random.randint(k, k + 100 , size=N),
    'B_X' : np.random.randint(k, k + 100 , size=N),
    'B_Y' : np.random.randint(k, k + 100 , size=N),   
    'C_X' : np.random.randint(k, k + 100 , size=N),
    'C_Y' : np.random.randint(k, k + 100 , size=N),
    'D_X' : np.random.randint(k, k + 100 , size=N),
    'D_Y' : np.random.randint(k, k + 100 , size=N),
    'E_X' : np.random.randint(k, k + 100 , size=N),
    'E_Y' : np.random.randint(k, k + 100 , size=N),
    'Events' : ['nan','A','nan','C','D','A','nan','nan','C','C']})

这将导致:

   A_X  A_Y  B_X  B_Y  C_X  C_Y  D_X  D_Y  E_X  E_Y Events  Frame
0   95   61   76   47   22   38   54   19   64   13    nan      1
1   82   87   87   24   59   31   55   16  101   78      A      2
2   10   25   66   28   70   78   75   19   23   90    nan      3
3   55   64   15   11   46   87   65   51   10   92      C      4
4   53  103   10   65  103   86   24   49   33   34      D      5
5   12   44   89   14   28   26   17   55   64   76      A      6
6   69   24   73   12   84   71   71   76    5   18    nan      7
7   40   35   73   40   78   31   51   33   77   98    nan      8
8   65   69   83   33   20   90   64   12   19   84      C      9
9   24   70   18   96   65   67   73   42   49   78      C     10

前10列是XY数据。我想选择适当的XY值来创建新列。它们是通过“事件”列选择的。这些值将始终与其他列相对应。例如,第二行事件是“A”,因此我想从同一索引点的A列(A\u X,A\u Y)中获取X和Y值。Events中的下一个值是C,所以我想在第四行ect中输入(C\u X,C\u Y)。

因此,输出将:

   A_X  A_Y  B_X  B_Y  C_X  C_Y  D_X  D_Y  E_X  E_Y Events  Frame   X    Y 
0   95   61   76   47   22   38   54   19   64   13    nan      1  nan  nan 
1   82   87   87   24   59   31   55   16  101   78      A      2  82   87
2   10   25   66   28   70   78   75   19   23   90    nan      3  nan  nan
3   55   64   15   11   46   87   65   51   10   92      C      4  46   87
4   53  103   10   65  103   86   24   49   33   34      D      5  24   49
5   12   44   89   14   28   26   17   55   64   76      A      6  12   44
6   69   24   73   12   84   71   71   76    5   18    nan      7  nan  nan
7   40   35   73   40   78   31   51   33   77   98    nan      8  nan  nan
8   65   69   83   33   20   90   64   12   19   84      C      9  20   90
9   24   70   18   96   65   67   73   42   49   78      C     10  65   67

我曾尝试写过这样的东西:

df['X'] = np.where(df['Events'] == ['A'])
df['Y'] = np.where(df['Events'] == ['A'])

然后对每个列字母重复此操作,但这不起作用,因为它们的标签不同。我想把X和Y合并在一起,给它们贴上标签['A','B','C','D','E]。

但我仍然错过了下一步。我没有从df返回值。

2 回复 | 直到 6 年前

Maarten Fabré 6 年前

我不知道你是否能做到矢量化,但你可以通过迭代来做到

result = pd.DataFrame(None, index=df.index, columns=['X', 'Y'])
for row in df.itertuples():
    x, y = f'{row.Events}_X', f'{row.Events}_Y'
    if row.Events == 'nan':
        result.loc[row.Index, ['X', 'Y']] = [np.nan, np.nan]
    else:
        result.loc[row.Index, ['X', 'Y']] =  row._asdict()[x], row._asdict()[y]

使用 `np.where`

result = pd.DataFrame(None, index=df.index, columns=['X', 'Y'])
for value in df['Events'].unique():
    if value == 'nan':
        continue
    x, y = f'{value}_X', f'{value}_Y'
    result[['X', 'Y']] = np.where(df[['Events']] == value, df[[x, y]], result)

jpp 6 年前

这是一种替代解决方案,使用 pd.DataFrame.apply :

df['X'] = df.apply(lambda row: row.get(row['Events']+'_X'), axis=1)
df['Y'] = df.apply(lambda row: row.get(row['Events']+'_Y'), axis=1)

结果:

   A_X  A_Y  B_X  B_Y  C_X  C_Y  D_X  D_Y  E_X  E_Y Events  Frame     X     Y
0   95   53   59   32   97   71   35   15   80   78    nan      1   NaN   NaN
1   94   63   37   92   87   90   97   25   62   14      A      2  94.0  63.0
2   69   83   49   10   59   59   18   98   13   70    nan      3   NaN   NaN
3   82   67   91   61   73   90   39   84    7   42      C      4  73.0  90.0
4   59   88   17   65   93   65   63   89   70   49      D      5  63.0  89.0
5   11   79   41   61   75   46   28  101   18   38      A      6  11.0  79.0
6   70   80  103   53   97   42   51  100   82   80    nan      7   NaN   NaN
7    5   18   62   92   85   22   10   40   64   67    nan      8   NaN   NaN
8   75   91   75   44    7   69   81  102   78   41      C      9   7.0  69.0
9   37   20   54   53   44   51   20   27    7   86      C     10  44.0  51.0

如何基于索引外的行向新列返回值

使用 np.where

使用 `np.where`