python - Pandas DataFrame- 按行，有条件地用最后一列值替换多个列值

Question

我很难找到 pandas 数据框问题的解决方案。

问题:按 pandas 数据框中的行，如果单元格等于 1，则将其替换为数据框最后一列中的单元格值。我构建并填充了初始数据框，但无法继续下一步。

数据框:数据框示例(初始和完成):

初始数据帧:

       fNum  1  2  3  4  5  6  7  labelx
Index                                   
1         1  0  1  1  1  0  0  0       2
2         1  0  0  1  1  0  0  0       2
4         1  0  0  0  0  0  1  0       3
5         1  0  0  0  0  0  0  0       0
6         1  0  0  1  0  0  0  0       3
7         1  0  0  0  1  0  0  0       3
1         2  0  1  0  0  0  0  0       2
2         2  1  1  1  0  0  0  0       2
3         2  1  1  1  0  0  0  0       2
4         2  1  1  0  0  0  0  0       2
5         2  0  0  0  0  1  0  0       0
6         2  0  0  0  0  1  1  1       3
7         2  0  0  0  0  1  1  1       3

Finished_dataframe:

       fNum  1  2  3  4  5  6  7  labelx
Index                                       
1         1  0  2  2  2  0  0  0       2
2         1  0  0  2  2  0  0  0       2
4         1  0  0  0  0  0  3  0       3
5         1  0  0  0  0  0  0  0       0
6         1  0  0  3  0  0  0  0       3
7         1  0  0  0  3  0  0  0       3
1         2  0  2  0  0  0  0  0       2
2         2  2  2  2  0  0  0  0       2
3         2  2  2  2  0  0  0  0       2
4         2  2  2  0  0  0  0  0       2
5         2  0  0  0  0  0  0  0       0
6         2  0  0  0  0  3  3  3       3
7         2  0  0  0  0  3  3  3       3

尝试的最新路径:

dfIX = Intitial_dataframe.ix[:, 2:8] #<--The "body" of the data
labelx_frame = Intitial_dataframe.ix[:, 8:9] #<-- The labelx column
dfIX[dfIX>0] = labelx_frame  #<-- Attempt to replace values, nan instead

这会为之前为 1 的所有单元格提供 nan。

真诚的求助:
我对 pandas 和 python 很陌生，花了几个小时努力阅读 pandas 和数据框操作，但无济于事。任何建议将不胜感激!预先感谢您的时间和帮助。

Answer 1

我重新创建了您的部分数据，因为输入数据最初是作为图片发布的，而不是可复制的文本。我将留给您根据您的特定数据调整此方法。

这是最简单且无疑是最易读的方法，使用 numpy.where :

>>> df = pd.DataFrame({1: [0,0,0,1,1,0,0,1,0,1], 2: [1,1,1,1,0,0,0,0,1,0], 3: [1,1,0,1,0,0,0,1,1,0], 'label_x': [2,2,3,0,0,2,3,2,2,2]})
>>> df
   1  2  3  label_x
0  0  1  1        2
1  0  1  1        2
2  0  1  0        3
3  1  1  1        0
4  1  0  0        0
5  0  0  0        2
6  0  0  0        3
7  1  0  1        2
8  0  1  1        2
9  1  0  0        2
>>> for c in df:
...     if c != 'label_x':
...         df[c] = np.where(df[c] == 1, df['label_x'], df[c])
... 
>>> df
   1  2  3  label_x
0  0  2  2        2
1  0  2  2        2
2  0  3  0        3
3  0  0  0        0
4  0  0  0        0
5  0  0  0        2
6  0  0  0        3
7  2  0  2        2
8  0  2  2        2
9  2  0  0        2

这是另一种方法，但我只是将其作为 Python 的“强大功能”(我不知道这个词是否正确...)的示例提供。这实际上是我最初解决您的问题的方法，但认为仅提供此方法会有点过分。如果我是你，我会更喜欢 numpy.where。但这只是为了演示:

# Here is where we use a dictionary to get the new values from the final column
>>> new_values = {c: [df.loc[idx, 'label_x'] if val == 1 else val for idx, val in enumerate(df[c])] for c in df[list(filter(lambda x: x != 'label_x', df))]}
>>> new_values
{1: [0, 0, 0, 0, 0, 0, 0, 2, 0, 2], 2: [2, 2, 3, 0, 0, 0, 0, 0, 2, 0], 3: [2, 2, 0, 0, 0, 0, 0, 2, 2, 0]}

# We can just create a new dataframe with the "new" columns made above
# and the original label_x column
>>> new_df = pd.DataFrame({**new_values, **{'label_x': df['label_x'].values}})
>>> new_df
   1  2  3  label_x
0  0  2  2        2
1  0  2  2        2
2  0  3  0        3
3  0  0  0        0
4  0  0  0        0
5  0  0  0        2
6  0  0  0        3
7  2  0  2        2
8  0  2  2        2
9  2  0  0        2

然后，看看那个!我们得到了相同的答案。

有关所有这些 ** 的更多信息，请参阅 Unpacking generalizations in Python 3 .它是合并字典的有效语法。

您也可以考虑这样做，基本上遍历 new_values 中每一列的对应列表:

for c in [1,2,3]:
    df[c] = new_values[c]

给这只猫剥皮的方法有很多!