如何使用for循环在pandas数据框中的现有列上创建条件列

Question

我有一个包含两列的数据集，我想创建第三列，该列说明前两列的值是否相同，并为每行命名相同的值。

示例数据：

import pandas as pd

data = {'Colour_mix': ['1','2', '3', '4', '5', '6', '7', '8', '9', '10'], 
        'Colour_1': ['red', 'blue', 'red', 'red', 'green', 'green', 'green', 'red', 'blue', 'blue'],
        'Colour_2': ['red', 'green', 'red', 'blue', 'green', 'red', 'green', 'red', 'green', 'blue'] }
df1 = pd.DataFrame(data)
cols = ['Colour_mix', 'Colour_1', 'Colour_2']
df1 = df1[cols] 
df1

我想要的最终结果如下所示：

data2 = {'Colour_mix': ['1','2', '3', '4', '5', '6', '7', '8', '9', '10'], 
        'Colour_1': ['red', 'blue', 'red', 'red', 'green', 'green', 'green', 'red', 'blue', 'blue'],
        'Colour_2': ['red', 'green', 'red', 'blue', 'green', 'red', 'green', 'red', 'green', 'blue'],
        'Pairwise_match': ['red', 'False', 'red', 'False', 'green', 'False', 'green', 'red', 'False', 'blue']}
df2 = pd.DataFrame(data2)
cols2 = ['Colour_mix', 'Colour_1', 'Colour_2', 'Pairwise_match']
df2 = df2[cols2] 
df2 

即添加一个新列，该列首先说明Colour_1和Colour_2列何时匹配，其次说明共享值（红色，蓝色或绿色）。

到目前为止，我的方法是为Colour_1和Colour_2列匹配时创建布尔数组的有序字典，我希望然后创建一个迭代的循环：1.将boolean数组的“ True”更改为匹配，即红色，蓝色或绿色，以及2.将结果匹配项合并到单个列中。

到目前为止，我的代码：

# Create a list of boolean arrays for each match pair
colour_matches = collections.OrderedDict()

colour_matches['red'] = ( (df1['Colour_1']=='red')
                      & (df1['Colour_2']=='red')
                      )

colour_matches['blue'] = ( (df1['Colour_1']=='blue')
                      & (df1['Colour_2']=='blue')
                      )

colour_matches['green'] = ( (df1['Colour_1']=='green')
                      & (df1['Colour_2']=='green')
                      )

# Add pairwise match columns

for p in colour_matches:
    print(p)
    _matches_df = pd.DataFrame(colour_matches[p])
    _matches_df.columns = ['Pairwise_match']
    df_new = pd.concat([df1, _matches_df], axis=1)

我遇到的两个问题：1.我无法弄清楚如何在循环中更改布尔数组的值，因此“ True”被有条件地替换为两个颜色列（红色，蓝色或绿色）的共享值。 2.我的循环当前覆盖每个循环中的Pairwise_match，因此先前颜色匹配（红色和蓝色）的匹配行上的信息会丢失，并且仅显示绿色。 我希望以三列成对匹配（即每次循环运行添加/追加列）结束，然后将它们合并到我想要的单个列中。 非常感谢。

Answer 1

将numpy.where与boolean mask比较两列：

df1['Pairwise_match'] = np.where(df1['Colour_1'] == df1['Colour_2'], df1['Colour_1'], False)
print (df1)
  Colour_mix Colour_1 Colour_2 Pairwise_match
0          1      red      red            red
1          2     blue    green          False
2          3      red      red            red
3          4      red     blue          False
4          5    green    green          green
5          6    green      red          False
6          7    green    green          green
7          8      red      red            red
8          9     blue    green          False
9         10     blue     blue           blue

详情：

print (df1['Colour_1'] == df1['Colour_2'])
0     True
1    False
2     True
3    False
4     True
5    False
6     True
7     True
8    False
9     True
dtype: bool

Answer 2

一个更简单的方法可能是：

df1["Pairwise_match"] = False
df1.loc[df1.Colour_1 == df1.Colour_2, "Pairwise_match"] = df1.Colour_1[df1.Colour_1 == df1.Colour_2]

这将创建一个充满False的列，然后在各列之间颜色匹配的地方，将它们替换为color的值。