python - 如何为所有 true 和 false 映射 1 和 0

Question

我在数据框 Column_1 和 Column_2 中有两列，如果它们都包含相同的值，则将其标记为 1 和 0

我试过了，但它返回大小为 1 的列表，内部列表包含大小为 416 的系列

    splitsE = [(df.COLUMN_1.str.contains(' Each')) & 
        (df.COLUMN_2.str.contains(' EACH'))]

我什至也试过这个，但它没有映射

      splitsE = [(df.COLUMN_1.str.contains(' Each')) & 
        (df.COLUMN_2.str.contains(' EACH'))]
    splitsE = list(map(list, zip(*splitsE)))
   df['CASE#'] = pd.Series(splitsE).map(({True:'1', False:'0'}))

如果我想更新 df['CASE#'] 其中包含/作为 2 代替 0

     COLUMN_3  CASE#  
    25/PACK      0  
    EACH         1 
    100/BOTTLE   0  
    25/PACK      0 
     NaN         0
    3/PACK       0 
    EACH         1  

Answer 1

使用:

splitsE = (df.COLUMN_1.str.contains(' Each')) & (df.COLUMN_2.str.contains(' EACH'))

我认为最简单的是将 True/False 的 bool 掩码转换为整数到 1/0 映射:

df['CASE#'] = splitsE.astype(int)

---

另一个解决方案是使用 numpy.where :

df['CASE#'] = np.where(splitsE, 1, 0)

或 map 与字典删除一个 ():

df['CASE#'] = splitsE.map({True:'1', False:'0'})

编辑:对于另一种情况，请使用 numpy.select :

mask1 = df.COLUMN_3.str.contains('EACH', case=False, na=False)
mask2 = df.COLUMN_3.str.contains('/', case=False, na=False)

df['CASE#'] = np.select([mask1, mask2], [1, 2], default=0)
print (df)
     COLUMN_3  CASE#
0     25/PACK      2
1        EACH      1
2  100/BOTTLE      2
3     25/PACK      2
4         NaN      0
5      3/PACK      2
6        EACH      1