python - 根据其他数据帧的条件提取数据帧的元素

Question

我相信我的问题非常简单，并且一定有一个非常简单的方法来解决这个问题，但是由于我对Python，特别是pandas还很陌生，我无法自己解决它。

我编写了以下数据框，它代表了我一直在研究的更简单的场景。解释的长度可能会让人感到害怕，但我只是想让它尽可能清楚。所以，请考虑:

import pandas as pd

data = pd.DataFrame({'Column 1': [300,300,450,500,500,750,600,300, 150],
'Column 2': [100,130,230,200,300,350,600,550,530], 
'Column 3': [250, 300, 400, 500, 700, 
350, 750, 550, 600]})

df_validate_1 = pd.DataFrame({'Column 1': [1,0,1,1,1,1,1,1, 1],
'Column 2': [1,1,1,1,1,0,0,1,1], 
'Column 3': [0, 1, 1, 1, 1, 
1, 1, 1, 0]})

df_validate_2 = pd.DataFrame({'Column 1': [1,1,1,1,1,0,1,1,1],
'Column 2': [1,1,0,1,1,1,0,0,0], 
'Column 3': [0, 0, 1, 1, 0, 
1, 1, 0, 0]})

df_validate_3 = pd.DataFrame({'Column 1': [1,1,1,0,0,1,1,1,1],
'Column 2': [1,1,1,1,1,1,1,0,0], 
'Column 3': [0, 0, 0, 1, 1, 
1, 1, 1, 1]})

我有一个主数据帧和 3 个不同的数据帧用于验证，它们只有 1 或 0(真或假)。我正在寻找的是找到一种方法，从数据帧“数据”中创建一个数据帧，该数据帧由其他三个验证数据帧的条件组成，其中我将仅计算“数据”数据帧中的元素对于其他三个数据帧，其各自的列和行对应于 1，如果验证数据帧上的任何相应位置有一个零，我将认为它是 NaN。

简要解释一下我在实践中想要什么:“data”数据帧中第 2 列的第一个元素是 100。对于 df_validate_1、df_validate_2 和 df_validate_3，第二列的第一个元素是 1。因此，我会将值传递到新数据帧。另一方面，第 1 列的第二个元素是 300，但是对于这种情况，df_validate_1 相应位置上的元素为 0(即使对于同一位置 df_validate_2 和 df_validate_3 为 1)，因此，我想将其写为 NaN。

我期待以下结果:

  Column 1 Column 2 Column 3
0      300      100      NaN
1      NaN      130      NaN
2      450      NaN      NaN
3      NaN      200      500
4      NaN      300      NaN
5      NaN      NaN      350
6      600      NaN      750
7      300      NaN      NaN
8      150      NaN      NaN

当然，我面临着一种更复杂的解决方案，这是一个虚构的示例。从今以后，我正在寻找一种优雅的解决方案，可以将其应用到更强大的场景中。

希望我能够做到简洁而准确。我非常感谢您在这方面的帮助!

Answer 1

给定您的数据框:

• 将它们全部加在一起
  • 保留0或将其替换为np.nan

import pandas as pd
import numpy as np

data_updated = data * df_validate_1 * df_validate_2 * df_validate_3

data_updated.replace(0, np.NaN, inplace=True)

输出:

 Column 1  Column 2  Column 3
    300.0     100.0       NaN
      NaN     130.0       NaN
    450.0       NaN       NaN
      NaN     200.0     500.0
      NaN     300.0       NaN
      NaN       NaN     350.0
    600.0       NaN     750.0
    300.0       NaN       NaN
    150.0       NaN       NaN