pandas 根据值在其他列中出现的次数指定列值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求根据分组后组内的指定列值，按逻辑指定一个列值，来形成一个新的列。我们来看看如何利用 pandas 和 NumPy 来便捷完成这样的需求。

数据与需求

两个原始数据如下：

import pandas as pd
import io

data = '''
Container Event
A         Clean
B         Dry
A         Clean
A         Dry
B         Clean
C         Clean
C         Clean
C         Clean
'''

df = pd.read_csv(io.StringIO(data), sep='\s+')
df
# ...

增加一个名为“Temperature”的新列，当 Container 第一次出现Event为“Clean”时，它的值为4，而所有后续的“Clean“事件的值为3。Dry时的值总是1。

效果如：

'''
Container  Event  Temperature
A          Clean  4
B          Dry    1
A          Clean  3
A          Dry    1
B          Clean  4
C          Clean  4
C          Clean  3
C          Clean  3
'''

思路

我们主要利用 NumPy 的 np.select 函数来完成这个需求，通过不同的条件，指定不同的值，完成类似了 if-elif-else 这样的逻辑。

代码

代码如下：

import numpy as np

cond1 = ~df.duplicated()
cond2 = df['Event'].eq('Clean')
cond3 = df['Event'].eq('Dry')

df['Temperature'] = np.select([cond1 & cond2, cond2, cond3], [4, 3, 1])
df
'''
Container  Event  Temperature
A          Clean  4
B          Dry    1
A          Clean  3
A          Dry    1
B          Clean  4
C          Clean  4
C          Clean  3
C          Clean  3
'''

这段代码的主要目的是根据一系列条件来计算并设置一个名为 'Temperature' 的新列，该列的值基于不同的条件而变化。

让我们逐步解释代码的含义：

cond1 = ~df.duplicated(): 这行代码创建了一个名为 cond1 的布尔条件，它检查 DataFrame df 中的每一行，如果该行不是之前出现过的行（即不是重复行），则条件为 True。这通常用于确定 DataFrame 中的唯一行。

cond2 = df['Event'].eq('Clean'): 这行代码创建了一个名为 cond2 的布尔条件，它检查 DataFrame df 中的 'Event' 列，如果 'Event' 列中的值等于 'Clean'，则条件为 True。这是用于筛选出 'Event' 列中值为 'Clean' 的行。

cond3 = df['Event'].eq('Dry'): 这行代码创建了一个名为 cond3 的布尔条件，它类似于 cond2，但用于筛选出 'Event' 列中值为 'Dry' 的行。

df['Temperature'] = np.select([cond1 & cond2, cond2, cond3], [4, 3, 1]): 这是关键的一行代码。它使用了 np.select 函数，根据条件列表 [cond1 & cond2, cond2, cond3]`` 来选择对应的值列表 [4, 3, 1]`，并将结果存储在 DataFrame df 的新列 'Temperature' 中。

如果同时满足 cond1 和 cond2，则 'Temperature' 列的值为4。
如果只满足 cond2，则 'Temperature' 列的值为3。
如果只满足 cond3，则 'Temperature' 列的值为1。
如果没有条件满足，'Temperature' 列的值将会是默认值，这里没有指定默认值，因此默认为0。

综上所述，这段代码的目的是根据不同的条件在 DataFrame 中的 'Temperature' 列中设置不同的值，这些条件包括行是否为重复行，以及 'Event' 列中的值是 'Clean' 还是 'Dry'。

也可以不用加条件三，直接用 default 指定也可以完成需求：

import numpy as np
cond1 = ~df.duplicated()
cond2 = df['Event'].eq('Clean')

df['Temperature'] = np.select([cond1 & cond2, cond2], [4, 3], default=1)

这样就完成了需求。

（完）

参考

https://stackoverflow.com/questions/76989170/change-column-value-depending-on-how-many-times-value-appears-in-other-column

pandas 根据值在其他列中出现的次数指定列值

数据与需求

思路

代码

参考

相关内容