Pandas - 满足条件时，将多个列值替换为先前的列值

Question

我有一个大型数据框，如下所示：

Start       End        Alm_No1 Val_No1  Alm_No2 Val_No2 Alm_No3 Val_No3
1/1/19 0:00 1/2/19 0:00    1       0       2       1       3       0
1/2/19 0:00 1/3/19 0:00    1       0       2       0       3       1
1/3/19 0:00 1/4/19 0:00    1       1       2       0       3       0
1/4/19 0:00 1/5/19 0:00    1       0       2       0       3       1
1/5/19 0:00 1/6/19 0:00    1       1       2       0       3       0
1/6/19 0:00 1/7/19 0:00    1       0       2       1       3       1
1/7/19 0:00 1/8/19 0:00    4       0       5       1       6       0
1/8/19 0:00 1/9/19 0:00    4       0       5       1       6       1
1/9/19 0:00 1/10/19 0:00   4       1       5       1       6       0

我想用“Alm”列中的数字更新“Val”列中的所有值（如果值为1），以便我可以删除“Alm”列。

结果如下：

Start           End     Alm_No1  Val_No1 Alm_No2 Val_No2  Alm_No3 Val_No3
1/1/19 0:00 1/2/19 0:00    1       0       2       2       3       0
1/2/19 0:00 1/3/19 0:00    1       0       2       0       3       3
1/3/19 0:00 1/4/19 0:00    1       1       2       0       3       0
1/4/19 0:00 1/5/19 0:00    1       0       2       0       3       3
1/5/19 0:00 1/6/19 0:00    1       1       2       0       3       0
1/6/19 0:00 1/7/19 0:00    1       0       2       2       3       3
1/7/19 0:00 1/8/19 0:00    4       0       5       5       6       0
1/8/19 0:00 1/9/19 0:00    4       0       5       5       6       6
1/9/19 0:00 1/10/19 0:00   4       4       5       5       6       0

我创建了应该更改值的列的列表：

val_col = df.columns.tolist()
val_list=[]
for i in range(0, len(val_col)) : 
    if val_col[i].startswith('Val'): 
        val_list.append(i)

然后我尝试创建一段时间来迭代列：

for x in val_list: 
    i = 0 
    while i < len(df): 
        if df.iloc[i, x] == 1: 
            df.iloc[i, x] = df.iloc[i, x-1] 
            i+=1 

它需要永远的负载，我很难找到适合lambda或适用的东西。 任何提示？ 提前致谢！

Answer 1

永远不要遍历数据帧的行。 您应该在一个操作中设置所有列。

for i in range(1,4): 
    df[f'Val_No{i}'] *= df[f'Alm_No{i}'] 

Answer 2

几分钟后我觉得自己回答自己的问题很傻，但我觉得我发现了一些有用的东西：

for x in val_list:
    df.loc[df.iloc[:,x]==1,df.columns[x]] = df.iloc[:, x-1]

像魅力一样工作！

234 ms ± 15.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Answer 3

我想出了一个适用于任意数量的Alm_No ... / Val_No ...列的解决方案。

让我们从要应用于每一行的函数开始：

def fn(row):
    for i in range(2, row.size, 2):
        j = i + 1
        if row.iloc[j]:
            row.iloc[j] = row.iloc[i]
    return row

注意for循环的结构。 它从2 （ Alm_No1列的位置）开始，步骤2 （到Alm_No2列的距离）。

j保存下一列的编号（ Val_No ... ）。

如果“当前” Val_No ！= 0则在此替换“当前” Alm_No中的值。

循环完成后，返回更改的行。

所以唯一要做的就是将这个函数应用于每一行：

df.apply(fn, axis=1)

我timeit测量表明，我的解决方案可以运行的小（7％）比你更快，比BallpointBen提出的一个快35倍左右。

显然，f-strings的使用在这个（非常显着的）差异中有一些份额。