Pandas - 数据框 - 条件添加

Question

我想在我的数据框中添加一列。我有一个事件列表，如果其中任何一个与0不同，则新列中该行的值应为1。

我认为这应该非常简单，但我对Python还比较陌生。

数据框如下所示：

df = pd.DataFrame({"ID":[1,1,2,3],"Date":["01/01/2019","01/01/2019","02/01/2019","02/01/2019"],"Event_1":[1,0,0,0],"Event_2":[1,0,0,1],"Event_3":[0,1,0,1],"Other":[0,0,0,1]})

print(df)
ID    Date         Event_1 Event_2 Event_3 Other
1     01/01/2019   1       1       0       0
1     01/01/2019   0       0       1       0
2     02/01/2019   0       0       0       0
3     02/01/2019   0       1       1       1

应该长成这样：

ID    Date         Event_1 Event_2 Event_3 Other Conditional_row
1     01/01/2019   1       1       0       0     1
1     01/01/2019   0       0       1       0     1
2     02/01/2019   0       0       0       0     0
3     02/01/2019   0       1       1       1     1

最简单的方法是什么？最好的方法又是什么？

- Jesper Mølgaard

Answer 1

使用 filter + any

由于在Python中所有非零整数都是真值，直接在DataFrame上调用any函数会得到正确的掩码。由于需要一个整数输出，因此我们可以使用内存有效的view将布尔掩码视为整数类型。

---

df.filter(like="Event").any(1).view('i1')

0    1
1    1
2    0
3    1
dtype: int8

- user3483203

---

几乎做好了。现在不会出错了。但由于某种原因它将所有值都设置为0。 - Jesper Mølgaard

Answer 2

使用 DataFrame.filter, eq 和 any

首先，我们使用DataFrame.filter筛选以Event或Other开头的列。然后，我们检查是否有任何一行与1相等：

最初的回答

df['Conditional_row'] = df.filter(regex="^Event|^Other").eq(1).any(axis=1).astype(int)

   ID        Date  Event_1  Event_2  Event_3  Other  Conditional_row
0   1  01/01/2019        1        1        0      0                1
1   1  01/01/2019        0        0        1      0                1
2   2  02/01/2019        0        0        0      0                0
3   3  02/01/2019        0        1        1      1                1

- Erfan

---

我有一个行列表： event_list = ("event_1","event_2","event_2","event_3","other") 当我将 like='Event 替换为 event list 时，会出现以下错误： ValueError: cannot reindex from a duplicate axis - Jesper Mølgaard

请查看我的编辑，其中还包括检查“其他”列。@JesperMølgaard - Erfan

Answer 3

假设你的数据框存储在一个名为df的对象中。我认为这是最有效的方法：

df["Conditional_row"] = 0
df.loc[df[["Event_1","Event_2","Event_3","Other"]].sum(axis=1) > 0, "Conditional_row"] = 1

输出结果如下：

print(df)
   ID        Date  Event_1  Event_2  Event_3  Other  Conditional_row
0   1  01/01/2019        1        1        0      0                1
1   1  01/01/2019        0        0        1      0                1
2   2  02/01/2019        0        0        0      0                0
3   3  02/01/2019        0        1        1      1                1

我在这里做的是：

1. 创建一个填充零的新列。
2. 选择所有行中，在列表 ["Event_1","Event_2","Event_3","Other"] 中，列的逐行总和大于1的行。
3. 满足该条件的行的列 "Conditional_row" 更新为值1。

代码 df[["Event_1","Event_2","Event_3","Other"]].sum(axis=1) > 0 被称为 掩码，它返回一个布尔数组（一个由 True 和 False 值填充的向量）。它选择所有返回值为 True 的行。通常，使用布尔数组切片是操作数据框最有效的方法。

- Arturo Sbr

Answer 4

或者使用：

df['Conditional_row'] = df[['Event_1', 'Event_2', 'Event_3', 'Other']].ne(0).any(1).astype(int)

现在是：

print(df)

输出：

   ID        Date  Event_1  Event_2  Event_3  Conditional_row
0   1  01/01/2019        1        1        0                1
1   1  01/01/2019        0        0        1                1
2   2  02/01/2019        0        0        0                0
3   3  02/01/2019        0        1        1                1

- U13-Forward

---

看起来实现起来可能很容易，但对我来说却引发了一个 TypeError: 无法将 bool 转换为 numpy.ndarray。我的行列表在：event_list = ("event_1","event_2","event_2","event_3","other")，我尝试用 ['Event_1', 'Event_2', 'Event_3'] 替换 event_list。 - Jesper Mølgaard

@JesperMølgaard 添加了其他内容 - U13-Forward