嵌套np.where语句的替代方案，用于在基于其他两个现有列创建新的pandas布尔列时保留NaN值

Question

我试图找出一种更直接的替代方法，用于基于另外两个包含True，False或NaN值的列在pandas数据框中评估和创建新列。 我希望新列相对于两个参考列的评估如下：

• 如果为真->真
• 如果至少有一个False而不是True-> False
• 如果两者均为NaN-> NaN

我已经找到了使用几个嵌套的np.where语句的解决方案，但希望使用更直接的方法。 对于单个参考列，我知道了如何执行此操作（请参见下面的col4），但无法确定是否有一种方法可以将其适应多个参考列。

当前解决方案：

import pandas as pd
import numpy as np

d = {'col1': [True, True, True, False, False, False, np.nan, np.nan, np.nan],
     'col2': [True, False, np.nan,True, False, np.nan,True, False, np.nan]}
df = pd.DataFrame(data=d)

df['col3'] = np.where(
    pd.notnull(df['col1']) & pd.notnull(df['col2']),
    (df['col1'] == True) | (df['col2'] == True),
    np.where(
        pd.isnull(df['col1']) & pd.isnull(df['col2']),
        np.nan,
        np.where(pd.notnull(df['col1']),df['col1'],df['col2'])
    )
)

单参考柱解决方案：

df['col4'] = df['col1'].map(lambda x: x, na_action='ignore')

Answer 1

np.select()用于这种类型的作业：

df['col3'] = pd.Series(np.select(
    [(df.col1 == True) | (df.col2 == True), (df.col1 == False) | (df.col2 == False)],
    [True, False], np.array(np.nan, object)))

或者，仅使用熊猫，但我认为这种方式的可读性较差：

df['col3'] = df.col1.where(df.col1, df.col2.where(df.col2.notnull(), df.col1))