根据多个条件将现有列的值分配给 Pandas 中的新列

Question

我正在尝试基于现有列在 Pandas 数据框中创建一个新列。

第一列	列2	第3列	y1	y2	y3
100	200	300	2020年	2021年	2022年
100	200	300	2021年	2022年	2023
100	200	300	2019年	2020年	2021年

我想要一个新列vals如果 currentyear = y1 和 col2 如果 currentyear = y2 则取col1 的值

第一列	列2	第3列	y1	y2	y3	瓦尔斯
100	200	300	2020年	2021年	2022年	200
100	200	300	2021年	2022年	2023	100
100	200	300	2019年	2020年	2021年	300

我正在尝试以下代码：

    def assignvalues(df):
        if df['y1'] == currentyear:
            df['Vals'] = df['col1']
        elif df['y2'] == currentyear:
            df['Vals'] = df['col2']
        elif df['y3'] == currentyear:
            df['Vals'] = df['col3']

df.apply(assignvalues)

它确实创建列但不存储任何值。

Answer 1

从您的DataFrame ：

>>> import pandas as pd
>>> from io import StringIO

>>> df = pd.read_csv(StringIO("""
... column1,column2,column3,y1,y2,y3
... 100,200,300,2020,2021,2022
... 100,200,300,2021,2022,2023
... 100,200,300,2019,2020,2021"""))
>>> df
    column1 column2 column3 y1      y2      y3
0   100     200     300     2020    2021    2022
1   100     200     300     2021    2022    2023
2   100     200     300     2019    2020    2021

以及函数assignvalues ，它现在返回每个if的预期列中的值。 例如，我们将当前currentyear设置为2021 ：

>>> def assignvalues(df):
...     if df['y1'] == currentyear:
...         return df['column1']
...     elif df['y2'] == currentyear:
...         return df['column2']
...     elif df['y3'] == currentyear:
...         return df['column3']

>>> currentyear = 2021

我们可以为df["Vals"]分配一个apply() ，就像您所做的那样，使用axis=1参数来获得预期结果：

>>> df["Vals"] = df.apply(assignvalues, axis=1)
>>> df
    column1 column2 column3 y1      y2      y3      Vals
0   100     200     300     2020    2021    2022    200
1   100     200     300     2021    2022    2023    100
2   100     200     300     2019    2020    2021    300

Answer 2

您可以使用np.select()来加快执行速度，如下所示：

import numpy as np

currentyear = pd.to_datetime('now').year

condlist = [df['y1'] == currentyear, 
            df['y2'] == currentyear, 
            df['y3'] == currentyear]

choicelist = [df['column1'],
              df['column2'],
              df['column3']]            

df['Vals'] = np.select(condlist, choicelist, default=np.nan)

如果 currentyear 没有匹配项的默认值为NaN ，您可以通过修改default=参数将其设置为 0 或您选择的其他值。

结果：

print(df)

   column1  column2  column3    y1    y2    y3  Vals
0      100      200      300  2020  2021  2022   200
1      100      200      300  2021  2022  2023   100
2      100      200      300  2019  2020  2021   300