[英]Count conditions within each row in Pandas Dataframe
我有这个 dataframe:
Char1 Char2 Char3
0 2 2 3
1 2 3 3
2 2 3 3
3 2 2 2
我需要创建三列( _1
、 _2
、 _3
),每列分别计算每行中值 1、2 和 3 的出现次数。
所以 output 看起来像这样:
Char1 Char2 Char3 _1 _2 _3
0 2 2 3 0 2 1
1 2 3 3 0 1 2
2 2 3 3 0 1 2
3 2 2 2 0 3 0
例如:
_1
列始终等于 0,因为任何行中都没有 1_2
列:
如何在 Python 中编码?
我已经尝试过此代码(仅适用于_1
):
df['_1'] = df[df.Char1 == 1].sum() + df[df.Char2 == 1].sum() + df[df.Char3 == 1].sum()
但我得到“NaN”。
DF构造函数:
df = pd.DataFrame({'Char1':[2,2,2,2], 'Char2':[2,3,3,2], 'Char3':[3,3,3,2]})
您可以遍历[1,2,3]
并在轴上使用eq
来识别具有数字的单元格并跨列sum
以获得总数:
for num in [1,2,3]:
df[f"_{num}"] = df[['Char1','Char2','Char3']].eq(num, axis=1).sum(axis=1)
Output:
Char1 Char2 Char3 _1 _2 _3
0 2 2 3 0 2 1
1 2 3 3 0 1 2
2 2 3 3 0 1 2
3 2 2 2 0 3 0
我们可以通过将字典理解传递给df.assign
来简洁地做到这一点,其中字典键是列名,字典值是列系列:
df = df.assign(**{f'_{x}': df.eq(x, axis=1).sum(axis=1) for x in [1, 2, 3]})
# Char1 Char2 Char3 _1 _2 _3
# 0 2 2 3 0 2 1
# 1 2 3 3 0 1 2
# 2 2 3 3 0 1 2
# 3 2 2 2 0 3 0
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.