如何在Pandas中根据两个现有列的条件填充新列？

Question

我正在尝试根据两个现有列的条件创建一个新列，但是在使用“np.where”后出现错误，有没有其他方法可以实现这一点？

输入：

change1 change2

yes     yes

yes     no

no      yes

no      yes

预期输出：

change1 change2 change3

yes      yes      ok

yes      no       not ok

no       yes      not ok

no       yes      not ok

法典：

import pandas as pd

import numpy as np

df1=pd.read_csv('test2.txt',sep='\t')

df1['change1'] = df1['change1'].astype(str)

df1['change2'] = df1['change2'].astype(str)

df['change3'] = np.where(df1['change1']=='yes' & df1['change2'] == 'yes', 'ok', 'not ok')

print(df1)

错误：

cannot compare a dtyped [object] array with a scalar of type [bool]

Answer 1

使用数据帧.eq 和 DataFrame.all.这将帮助您改进代码的语法并避免错误。df['change3'] = np.where(df.eq('yes').all(axis=1), 'ok' , 'not ok')#if you need select columns#df['change3'] = np.where(df[['change1', 'change2']].eq('yes').all(axis=1),                          'ok' , 'not ok')没有数据帧。df['change3'] = np.where((df1['change1']=='yes') & (df1['change2'] == 'yes'),                           'ok', 'not ok')或df['change3'] = np.where(df1['change1'].eq('yes') & df1['change2'].eq('yes'),                           'ok', 'not ok')您也可以使用系列地图 / 系列替换df['change3'] = df.eq('yes').all(axis=1).map({True : 'ok' , False : 'not ok'}) #df['change3'] = df.eq('yes').all(axis=1).replace({True : 'ok' , False : 'not ok'})print(df)#   change1 change2 change3# 0     yes     yes      ok# 1     yes      no  not ok# 2      no     yes  not ok# 3      no     yes  not ok

Answer 2

用于转换为二进制，然后检查每行：DataFrame.replacealldf1['change3'] = np.where(df1.replace({'yes': 1, 'no': 0}).all(axis=1),                           'ok',                           'not ok')或与 和 ：replacesumdf1['change3'] = np.where(df1.replace({'yes': 1, 'no': 0}).sum(axis=1).gt(1),                           'ok',                           'not ok')  change1 change2 change30     yes     yes      ok1     yes      no  not ok2      no     yes  not ok3      no     yes  not ok

Answer 3

您可以使用：df['change3'] = df.apply(lambda x: 'ok' if x['change1'] == x['change2'] else 'not ok', axis=1)输出：