如何使用for循环在pandas数据框中的现有列上创建新列

Question

我有一个两列的数据集，我想创建第三列，说明前两列的值是否相同，并为每一行命名相同的值。

示例数据：

import pandas as pd

data = {'Colour_mix': ['1','2', '3', '4', '5', '6', '7', '8', '9', '10'], 

        'Colour_1': ['red', 'blue', 'red', 'red', 'green', 'green', 'green', 'red', 'blue', 'blue'],

        'Colour_2': ['red', 'green', 'red', 'blue', 'green', 'red', 'green', 'red', 'green', 'blue'] }

df1 = pd.DataFrame(data)

cols = ['Colour_mix', 'Colour_1', 'Colour_2']

df1 = df1[cols] 

df1

我想要的结果是这样的：

data2 = {'Colour_mix': ['1','2', '3', '4', '5', '6', '7', '8', '9', '10'], 

        'Colour_1': ['red', 'blue', 'red', 'red', 'green', 'green', 'green', 'red', 'blue', 'blue'],

        'Colour_2': ['red', 'green', 'red', 'blue', 'green', 'red', 'green', 'red', 'green', 'blue'],

        'Pairwise_match': ['red', 'False', 'red', 'False', 'green', 'False', 'green', 'red', 'False', 'blue']}

df2 = pd.DataFrame(data2)

cols2 = ['Colour_mix', 'Colour_1', 'Colour_2', 'Pairwise_match']

df2 = df2[cols2] 

df2 

即添加一个新列，它首先说明 Colour_1 和 Colour_2 列何时匹配，其次说明共享值是什么（红色、蓝色或绿色）。

到目前为止，我的方法是在 Colour_1 和 Colour_2 列匹配时创建布尔数组的有序字典，然后我希望创建一个迭代循环： 1. 将布尔数组的“真”更改为匹配，即红色、蓝色或绿色，以及 2. 将结果匹配合并到一个列中。

到目前为止我的代码：

# Create a list of boolean arrays for each match pair

colour_matches = collections.OrderedDict()

colour_matches['red'] = ( (df1['Colour_1']=='red')

                      & (df1['Colour_2']=='red')

                      )

colour_matches['blue'] = ( (df1['Colour_1']=='blue')

                      & (df1['Colour_2']=='blue')

                      )

colour_matches['green'] = ( (df1['Colour_1']=='green')

                      & (df1['Colour_2']=='green')

                      )

# Add pairwise match columns

for p in colour_matches:

    print(p)

    _matches_df = pd.DataFrame(colour_matches[p])

    _matches_df.columns = ['Pairwise_match']

    df_new = pd.concat([df1, _matches_df], axis=1)

我遇到的两个问题： 1. 我不知道如何更改循环中布尔数组的值，因此“True”被有条件地替换为两个颜色列（红色、蓝色或绿色）的共享值. 2. 我的循环当前会覆盖每个循环中的 Pairwise_match，因此有关先前颜色匹配（红色和蓝色）的匹配行的信息丢失，仅显示绿色。我希望最终得到三列成对匹配（即在循环的每次运行中添加/追加列），然后我可以将其合并到我想要的单个列中。非常感谢。

Answer 1

numpy.where与布尔掩码一起使用比较两列：df1['Pairwise_match'] = np.where(df1['Colour_1'] == df1['Colour_2'], df1['Colour_1'], False)print (df1)  Colour_mix Colour_1 Colour_2 Pairwise_match0          1      red      red            red1          2     blue    green          False2          3      red      red            red3          4      red     blue          False4          5    green    green          green5          6    green      red          False6          7    green    green          green7          8      red      red            red8          9     blue    green          False9         10     blue     blue           blue细节：print (df1['Colour_1'] == df1['Colour_2'])0     True1    False2     True3    False4     True5    False6     True7     True8    False9     Truedtype: bool

Answer 2

更简单的方法可能是：df1["Pairwise_match"] = Falsedf1.loc[df1.Colour_1 == df1.Colour_2, "Pairwise_match"] = df1.Colour_1[df1.Colour_1 == df1.Colour_2]这将创建一个充满 False 的列，然后在列之间颜色匹配的地方，用颜色值替换它们