根據行中的其他列設置熊貓列布爾值

Question

假設一個DataFrame

    C1      C2      C3
1   NaN     NaN     NaN
2   20.1    15      200
3   NaN     12      100
4   22.5    8       80

我想基於行其余部分的布爾值創建一個新列。 例如，是否有NaN值？ 在這種情況下，該行的新列值將為“ False”。

或者，也許所有的值都是NaN嗎？ 在這種情況下，我可能希望新列顯示False，否則為True（我們確實有一些值）

我考慮過使用df.notnan()創建一個布爾型DataFrame，

    C1      C2      C3
1   False   False   False
2   True    True    True
3   False   True    True
4   True    True    True

我確定我只是缺少一些簡單的東西，但是我無法提出一種基於對每行中現有項目進行“或”運算來創建第四列的方法。

同樣，一種通用的解決方案將是很好的，不需要建立布爾值的臨時DF。

背景：我有一個數據集。 營養值僅偶爾采樣，因此許多行不包含那些值。 我希望有一個“營養素采樣”列，根據我是否希望在此記錄中看到任何營養素樣品數據，其值為True或False。 有6種可能的營養素，我不想檢查所有6列。

我可以編寫檢查所有6列的代碼； 我似乎無法用真值創建新列。

Answer 1

你可以做，使用any和all這些可用的數據幀的方法，只是要傳遞參數axis=1到沿操作

例：

df['C4'] = pd.notnull(df).any(axis=1)

     C1    C2     C3     C4
0   NaN   NaN    NaN  False
1  20.1  15.0  200.0   True
2   NaN  12.0  100.0   True
3  22.5   8.0   80.0   True

Answer 2

我覺得我們應該使用all

df['New']=~df.isna().all(1)
df
     C1    C2     C3    New
1   NaN   NaN    NaN  False
2  20.1  15.0  200.0   True
3   NaN  12.0  100.0   True
4  22.5   8.0   80.0   True

Answer 3

怎么樣：

# interim df
df = {"C1": [False, True, False, True], ...
df ["C4"] = df.apply(lambda x: x.C1 or x.C2 or X.C3, axis=1)

或者...直接作為

original_df["C4"] = original_df.apply(lambda x: np.any(np.isnan(x)), axis = 1)

問候，

Answer 4

您可以使用apply方法並定義一個函數以將行映射到布爾值。

這是一個函數，您可以根據需要進行自定義（例如，可以使用all代替any ）：

# if at least one of the values is NaN
def my_function(row):
    return any(row[['C1', 'C2', 'C3']].isna())

這是將其應用於數據框並添加新列的方法：

df['new_column'] = df.apply(my_function, axis=1)

    C1      C2      C3      new_column
0   NaN     NaN     NaN     True
1   20.1    15.0    200.0   False
2   NaN     12.0    100.0   True
3   22.5    8.0     80.0    False