Pandas - 滿足條件時，將多個列值替換為先前的列值

Question

我有一個大型數據框，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”列中的數字更新“Val”列中的所有值（如果值為1），以便我可以刪除“Alm”列。

結果如下：

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

我創建了應該更改值的列的列表：

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)

然后我嘗試創建一段時間來迭代列：

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 

它需要永遠的負載，我很難找到適合lambda或適用的東西。 任何提示？ 提前致謝！

Answer 1

永遠不要遍歷數據幀的行。 您應該在一個操作中設置所有列。

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

Answer 2

幾分鍾后我覺得自己回答自己的問題很傻，但我覺得我發現了一些有用的東西：

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

像魅力一樣工作！

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

Answer 3

我想出了一個適用於任意數量的Alm_No ... / Val_No ...列的解決方案。

讓我們從要應用於每一行的函數開始：

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循環的結構。 它從2 （ Alm_No1列的位置）開始，步驟2 （到Alm_No2列的距離）。

j保存下一列的編號（ Val_No ... ）。

如果“當前” Val_No ！= 0則在此替換“當前” Alm_No中的值。

循環完成后，返回更改的行。

所以唯一要做的就是將這個函數應用於每一行：

df.apply(fn, axis=1)

我timeit測量表明，我的解決方案可以運行的小（7％）比你更快，比BallpointBen提出的一個快35倍左右。

顯然，f-strings的使用在這個（非常顯着的）差異中有一些份額。