基于多个列条件创建新列If-Else

Question

我曾试图研究类似的问题，但就我所搜索的而言，我找不到任何有帮助的东西

我有一份从数据库中提取的每日报告，但其中有一条信息正是需要交付的信息。下面是我提取的一个示例：

col1           col2
wrongstring    correct
correctstring  correct
correctstring  correct
NaN            correct
NaN            NaN

col2中的信息已经使用dict和replace进行了更正，并且NaN缺少数据库中的值，因此我需要将其替换为缺少值的正确字符串。今天，它是在Excel中用vlookup完成的，如果我和if希望在脚本中实现它，那么我们可以获得一些时间

我想做的是：

如果df['col1']=errorString，则新列将使用df['col2']值

如果df['col1']为NaN，则新列使用df['col2']值

如果两列都为NaN，则新列应使用newstring

否则保持df['col1']值

到目前为止，我已经找到了这段导致错误的代码（我知道它来自.isnull（）部分，但是我找不到修复它的方法）：

df['newcolumn'] = [x in df['col2'] if x=='wrongstring' else ('newstring' if ((df['col1'].isnull()) and (df['col2'].isnull())) else x in df['col1']) 
                           for x in df['col1']] 

如果有人能帮我解决这个问题，也许我使用的方法不正确，或者我遗漏了什么。结果应该如下所示：

col1           col2     newcolumn
wrongstring    correct  correct
correctstring  correct  correctstring  
correctstring  correct  correctstring  
NaN            correct  correct
NaN            NaN      newstring

谢谢你的帮助。干杯

Answer 1

方法1:np.select

对于多条件列，我们可以使用np.select：

m1 = df['col1'].eq('wrongstring')
m2 = df['col1'].eq('correctstring')
m3 = df['col1'].isna() & df['col2'].notna()

df['newcolumn'] = np.select([m1,m2,m3], 
                             [df['col2'], df['col1'], df['col2']], 
                             default='newstring')

            col1     col2     newcolumns
0    wrongstring  correct        correct
1  correctstring  correct  correctstring
2  correctstring  correct  correctstring
3            NaN  correct        correct
4            NaN      NaN      newstring

---

方法2：Series.mask&Series.fillna:

df['newcolumn'] = df['col1'].mask(
    df['col1'].eq('wrongstring')
).fillna(df['col2']).fillna('newstring')

            col1     col2      newcolumn
0    wrongstring  correct        correct
1  correctstring  correct  correctstring
2  correctstring  correct  correctstring
3            NaN  correct        correct
4            NaN      NaN      newstring

Answer 2

我们可以做条件replace

df['newcolumns']=df.col1.replace({'wrongstring':np.nan}).fillna(df.col2).fillna('newstring')

df
            col1     col2     newcolumns
0    wrongstring  correct        correct
1  correctstring  correct  correctstring
2  correctstring  correct  correctstring
3            NaN  correct        correct
4            NaN      NaN      newstring