如何根据其他两列创建一个列？

Question

我有一个有两列的数据帧。我想创建第三列，如果Col1为null，那么Col3=Col2，否则Col3=Col1*2

我试过：

    def myf(col1,col2):
       if pd.isnull(col1):
          return col2
       else:
          return col1 * 2

    df['col3'] = df.apply(lambda x: myf(df['col1'], df['col2']), axis= 1)

但是我得到了一个错误“级数的真值是模糊的”

我怎样才能解决这个问题？ 我知道这是一个老生常谈的问题，但我那小小的，习惯了SQL的大脑仍然在挣扎（大时刻！）了解熊猫是如何工作的；也许我很笨，也许熊猫的资料很差，也许两者都有：）

我知道apply在数据帧的行/列基础上工作，applymap在数据帧上按元素工作，map在序列上按元素工作，我知道错误是因为pd.isnull返回一个T/F数组

但是，我不确定在这样的情况下如何使用applymap或map，其中另外两列是我的输入

谢谢

Answer 1

需要在lambda function中将df更改为x而不是Series作为函数中的输入：

df['col3'] = df.apply(lambda x: myf(x['col1'], x['col2']), axis= 1)

另一个更快的解决方案是使用^{}或^{}：

df['col3'] = df['col1'].mul(2).combine_first(df['col2'])

---

df['Col3'] = df['col2'].where(df['col1'].isnull(), df['col1']*2)

Answer 2

您可以使用^{}：

df.col1.mul(2).fillna(df.col2)

---

df = pd.DataFrame({
    'col1': [1, 2, pd.np.nan, 3, pd.np.nan],
    'col2': [2, pd.np.nan, 3, 2, pd.np.nan]
})

df['col3'] = df.col1.mul(2).fillna(df.col2)
df
#  col1   col2  col3
#0  1.0    2.0  2.0
#1  2.0    NaN  4.0
#2  NaN    3.0  3.0
#3  3.0    2.0  6.0
#4  NaN    NaN  NaN