[英]How to create a new column based on one of three other columns?
我有一个数据帧,其中包含电影名称列和其他3个列(分别称为A,B和C),它们分别来自3个不同来源。 许多电影只有一个等级,有些电影是来自3个论坛的组合,有些则没有评级。 我想创建一个新列,该列将:
到目前为止,这就是我的代码:
def check_rating(rating):
if newyear['Yahoo Rating'] != "\\N":
return rating
else:
if newyear['Movie Mom Rating'] != "\\N":
return rating
else:
if newyear['Critc Rating'] != "\\N":
return rating
else:
return "Unrated"
df['Rating'] = df.apply(check_rating, axis=1)
我得到的错误是:
ValueError: ('The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().', 'occurred at index 0')
为了显示我的数据newyear.head()
,这里是newyear.head()
:
我不确定此值错误对解决此问题意味着什么,也不确定这样做是否正确。
我会做这样的事情:
df = df.replace('\\N', np.nan) # this requires import numpy as np
(df['Yahoo Rating'].fillna(df['Movie Mom Rating']
.fillna(df['Critic Rating']
.fillna("Unrated"))))
您的代码不起作用的原因是newyear['Yahoo Rating'] != "\\\\N"
是一个布尔数组。 您在这里说的话类似if [True, False, True, False]:
这就是模棱两可的根源。 您如何评估这种情况? 如果它们全部为True,您将执行该命令还是仅其中之一就足够了?
正如M. Klugerford解释的那样 ,您可以对其进行更改,以便逐行对其进行求值(因此将返回单个值)。 但是,逐行应用操作通常速度较慢,并且熊猫具有出色的工具来处理丢失的数据。 这就是为什么我建议这样做。
您将在原始函数中返回rating
..但rating
是行 ,而不是任何列的值
>>> df
A B C Genre Title Year
0 7 6 \N g1 m1 y1
1 \N 5 7 g2 m2 y2
2 \N \N \N g3 m3 y3
3 \N 4 1 g4 m4 y4
4 \N \N 3 g5 m5 y5
>>> def rating(row):
if row['A'] != r'\N':
return row['A']
if row['B'] != r'\N':
return row['B']
if row['C'] != r'\N':
return row['C']
return 'Unrated'
>>> df['Rating'] = df.apply(rating, axis = 1)
>>> df
A B C Genre Title Year Rating
0 7 6 \N g1 m1 y1 7
1 \N 5 7 g2 m2 y2 5
2 \N \N \N g3 m3 y3 Unrated
3 \N 4 1 g4 m4 y4 4
4 \N \N 3 g5 m5 y5 3
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.