时间戳

首页 > 解决方案 > 通过操作现有列创建新列

python - 通过操作现有列创建新列

问题描述

我在数据框中有很多列，我想通过操作同一数据框中的其他两列来填充一列

col1 | col2 | col3 | col4
nan     1      2      4
2       2      2      3
3       nan    1      2

如果 nan 基于 col1 ， col2 和 col3 值存在，我想要 col1 ， col2 和 col3 的填充值。

我的代码如下：

indices_of_nan_cell = [(index,col1,col2,col3) for index,(col1,col2,col3) in enumerate(zip(col1,col2,col3)) if str(col1)=='nan' or str(col2)=='nan' or str(col3)=='nan']


for nan_values in indices:
    if np.isnan(nan_values[1]) or nan_values[1] == 'nan':
       read4['col1'][nan_values[0]]=float(nan_values[2])*float(nan_values[3])
    if np.isnan(nan_values[2]) or nan_values[2] == 'nan':
       read4['col2'][nan_values[0]]=float(nan_values[1])/float(nan_values[3])
    if np.isnan(nan_values[3]) or nan_values[3] == 'nan':
       read4['col3'][nan_values[0]]=float(nan_values[1])*float(nan_values[2])

它对我来说工作得很好，但是由于我的数据框中有数千行，所以要花很多时间，有没有有效的方法，我们可以做到这一点？

标签： pythonpandasnumpy

解决方案

我相信在除法和乘法中只需要fillna替换s 和替换s的参数：NaNmuldivfill_valueNaN

df['col1'] = df['col1'].fillna(df['col2'].mul(df['col3'], fill_value=1))
df['col2'] = df['col2'].fillna(df['col1'].div(df['col3'], fill_value=1))
df['col3'] = df['col3'].fillna(df['col1'].mul(df['col2'], fill_value=1))

print (df)
   col1  col2  col3  col4
0   2.0   1.0     2     4
1   2.0   2.0     2     3
2   3.0   3.0     1     2

另一种方法是仅使用NaNs 行：

m1 = df['col1'].isna()
m2 = df['col2'].isna()
m3 = df['col3'].isna()
#oldier versions of pandas
#m1 = df['col1'].isnull()
#m2 = df['col2'].isnull()
#m3 = df['col3'].isnull()

df.loc[m1, 'col1'] = df.loc[m1, 'col2'].mul(df.loc[m1, 'col3'], fill_value=1)
df.loc[m2, 'col2'] = df.loc[m2, 'col1'].div(df.loc[m2, 'col3'], fill_value=1)
df.loc[m3, 'col3'] = df.loc[m3, 'col1'].mul(df.loc[m3, 'col2'], fill_value=1)

说明：

  1. isna使用3 个单独的布尔掩码过滤每一列。
  2. 对于每个掩码，首先过滤行喜欢df.loc[m1, 'col2']和倍或除
  3. 最后分配回 - 仅替换NaNs 因为再次过滤df.loc[m1, 'col1']

推荐阅读