從Pandas數據框中的其他列分配列的值

Question

如果/在哪里滿足條件，我如何將數據框中的列分配為等於另一列？

更新
問題
滿足條件時，我需要分配許多列值（有時是該行另一列的值）。

條件不是問題。

我需要一種有效的方法來做到這一點：

df.loc[some condition it doesn't matter,
['a','b','c','d','e','f','g','x','y']]=df['z'],1,3,4,5,6,7,8,df['p']

簡化的示例數據

d = {'var' : pd.Series([10,61]),
'c' : pd.Series([100,0]),
'z' : pd.Series(['x','x']),
'y' : pd.Series([None,None]),
'x' : pd.Series([None,None])}
df=pd.DataFrame(d)

條件，如果不缺少var並且第一位數字小於5
結果使df.x = df.z＆df.y = 1

這是偽代碼，不起作用，但這是我想要的。

df.loc[((df['var'].dropna().astype(str).str[0].astype(int) < 5)),
['x','y']]=df['z'],1

但我明白了

ValueError：無法使用長度與值不同的類似列表的索引器進行設置

理想輸出

     c  var     x     z     y
0  100    10    x     x     1
1    0    61    None  x  None

下面的代碼有效，但是效率太低，因為我需要將值分配給多列。

df.loc[((df['var'].dropna().astype(str).str[0].astype(int) < 5)),
['x']]=df['z']
df.loc[((df['var'].dropna().astype(str).str[0].astype(int) < 5)),
['y']]=1

Answer 1

這是一種實現方式：

import pandas as pd
import numpy as np

d = {'var' : pd.Series([1,6]),
'c' : pd.Series([100,0]),
'z' : pd.Series(['x','x']),
'y' : pd.Series([None,None]),
'x' : pd.Series([None,None])}
df = pd.DataFrame(d)

# Condition 1: if var is not missing
cond1 = ~df['var'].apply(np.isnan)
# Condition 2: first number is less than 5
cond2 = df['var'].apply(lambda x: int(str(x)[0])) < 5
mask = cond1 & cond2
df.ix[mask, 'x'] = df.ix[mask, 'z']
df.ix[mask, 'y'] = 1
print df

輸出：

     c  var     x     y  z
0  100    1     x     1  x
1    0    6  None  None  x

如您所見，布爾掩碼必須應用於賦值的兩側，並且您需要在y列上廣播值1 。 將步驟分為多行可能更干凈。

已更新問題，請編輯：更一般而言，由於某些分配依賴於其他列，並且某些分配只是沿該列廣播，因此您可以分兩個步驟進行操作：

df.loc[conds, ['a','y']] = df.loc[conds, ['z','p']]
df.loc[conds, ['b','c','d','e','f','g','x']] = [1,3,4,5,6,7,8]

您可以進行分析，看看這對於您的用例是否足夠有效。

Answer 2

您可以按行工作：

def f(row):
    if row['var'] is not None and int(str(row['var'])[0]) < 5:
        row[['x', 'y']] = row['z'], 1
    return row

>>> df.apply(f, axis=1)
     c  var     x   y  z
0  100   10     x   1  x
1    0   61  None NaN  x

要覆蓋原始df，請執行以下操作：

df = df.apply(f, axis=1)