从Pandas数据框中的其他列分配列的值

Question

如果/在哪里满足条件，我如何将数据框中的列分配为等于另一列？

更新
问题
满足条件时，我需要分配许多列值（有时是该行另一列的值）。

条件不是问题。

我需要一种有效的方法来做到这一点：

df.loc[some condition it doesn't matter,
['a','b','c','d','e','f','g','x','y']]=df['z'],1,3,4,5,6,7,8,df['p']

简化的示例数据

d = {'var' : pd.Series([10,61]),
'c' : pd.Series([100,0]),
'z' : pd.Series(['x','x']),
'y' : pd.Series([None,None]),
'x' : pd.Series([None,None])}
df=pd.DataFrame(d)

条件，如果不缺少var并且第一位数字小于5
结果使df.x = df.z＆df.y = 1

这是伪代码，不起作用，但这是我想要的。

df.loc[((df['var'].dropna().astype(str).str[0].astype(int) < 5)),
['x','y']]=df['z'],1

但我明白了

ValueError：无法使用长度与值不同的类似列表的索引器进行设置

理想输出

     c  var     x     z     y
0  100    10    x     x     1
1    0    61    None  x  None

下面的代码有效，但是效率太低，因为我需要将值分配给多列。

df.loc[((df['var'].dropna().astype(str).str[0].astype(int) < 5)),
['x']]=df['z']
df.loc[((df['var'].dropna().astype(str).str[0].astype(int) < 5)),
['y']]=1

Answer 1

这是一种实现方式：

import pandas as pd
import numpy as np

d = {'var' : pd.Series([1,6]),
'c' : pd.Series([100,0]),
'z' : pd.Series(['x','x']),
'y' : pd.Series([None,None]),
'x' : pd.Series([None,None])}
df = pd.DataFrame(d)

# Condition 1: if var is not missing
cond1 = ~df['var'].apply(np.isnan)
# Condition 2: first number is less than 5
cond2 = df['var'].apply(lambda x: int(str(x)[0])) < 5
mask = cond1 & cond2
df.ix[mask, 'x'] = df.ix[mask, 'z']
df.ix[mask, 'y'] = 1
print df

输出：

     c  var     x     y  z
0  100    1     x     1  x
1    0    6  None  None  x

如您所见，布尔掩码必须应用于赋值的两侧，并且您需要在y列上广播值1 。 将步骤分为多行可能更干净。

已更新问题，请编辑：更一般而言，由于某些分配依赖于其他列，并且某些分配只是沿该列广播，因此您可以分两个步骤进行操作：

df.loc[conds, ['a','y']] = df.loc[conds, ['z','p']]
df.loc[conds, ['b','c','d','e','f','g','x']] = [1,3,4,5,6,7,8]

您可以进行分析，看看这对于您的用例是否足够有效。

Answer 2

您可以按行工作：

def f(row):
    if row['var'] is not None and int(str(row['var'])[0]) < 5:
        row[['x', 'y']] = row['z'], 1
    return row

>>> df.apply(f, axis=1)
     c  var     x   y  z
0  100   10     x   1  x
1    0   61  None NaN  x

要覆盖原始df，请执行以下操作：

df = df.apply(f, axis=1)