Pandas/Python：如何基于其他列的值创建新列，并将额外条件应用于此新列

Question

我有一个熊猫数据框，我想根据以下条件创建一个新列BB

1. 创建一个新列BB，如果列TGR1中的值为0，则将0指定给BBelse
2. TGR1中的值不是0，请查找与TGR1中的值对应的列（'1'、'2'、'3'），将该列中的值分配给新列BB

我能够使用

df.loc[df['TGR1'] == 0, 'BB'] = 0

我还尝试使用np.where来解决这个问题，但我能找到正确的方法

df['BB'] = np.where(df.TGR1 == 0,0, df.columns == test.TGR1.value )
    
    

Dist    Track    EVENT_ID      Date       1      2        3   TGR1 TGR2
                            
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   1   0
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   2   1
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   0   2
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   3   1
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   2   2
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   1   2

预期产出：

Dist    Track    EVENT_ID      Date       1      2        3   TGR1 TGR2    BB     
                            
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   1   0     34.00        
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   2   1     5.18     
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   0   2       0
311m    Cran    174331755   2020-10-19  34.00   5.18    19.10   3   1     19.10     

Answer 1

在这里，您可以尝试玩一些numpy技巧，如本answer

我们首先用第1、2和3列中的值定义一个矩阵，然后用零添加第一列

import pandas as pd
import numpy as np

# we first define a matrix 
# with len(df) rows and 4 columns
mat = np.zeros((len(df), 4))

# Then we fill the last 3 columns 
# with values from df
mat[:,1:] = df[["1", "2", "3"]].values

# Then a vector with values from df["TGR1"]
v = df["TGR1"].values


# Finally we take the given index
# from each row on matrix
df["BB"] = np.take_along_axis(mat, v[:,None], axis=1)

时机

我比较了一些答案的时间。我刚拿了一个比原来大一万的

df_bk = pd.concat([df for i in range(10_000)], ignore_index=True)

在运行每个测试之前，我做df = df_bk.copy()

@wwnde的解决方案

CPU times: user 430 ms, sys: 12.1 ms, total: 442 ms
Wall time: 452 ms

@库克斯解

CPU times: user 746 ms, sys: 0 ns, total: 746 ms
Wall time: 746 ms

@拉帕奈溶液

CPU times: user 5.54 ms, sys: 0 ns, total: 5.54 ms
Wall time: 4.84 ms

@Psidom解

CPU times: user 5.93 ms, sys: 141 µs, total: 6.07 ms
Wall time: 5.61 ms

Psidom的解决方案和我的解决方案的时间基本相同。这里有一个情节