python - 数据框中的条件新列

Question

例如，我有一个数据框:

      B1   B2   B3  B4  BCS ULCA     MIMO 
6    28A   1A             0    .       1A   
7    28A   1A             1    .       1A    
8     3A   1A             0    .       1A  
9     3A   1A             1    .       1A   
10    3A   1A             0    .       3A   
11    3A   1A             1    .       3A  
12    3A   1A             0    .    1A-3A   
13    3A   1A             1    .    1A-3A   

我使用np.where将条件作为新列:如果 B1-B4 的值等于 MIMO，则将 4 放入新列，如果不相等，则将 2

b['B1_m'] = np.where(b['B1'] == b['MIMO'], '4', '2')
b['B2_m'] = np.where(b['B2'] == b['MIMO'], '4', '2')
b['B3_m'] = np.where(b['B3'] == b['MIMO'], '4', '2')
b['B4_m'] = np.where(b['B4'] == b['MIMO'], '4', '2')

但我的输出在某些行(第 10、11 行)有一些错误:

          B1   B2   B3  B4  BCS ULCA     MIMO B1_m B2_m B3_m B4_m
    6    28A   1A             0    .       1A    2    4    2    2
    7    28A   1A             1    .       1A    2    4    2    2
    8     3A   1A             0    .       1A    2    4    2    2
    9     3A   1A             1    .       1A    2    4    2    2
    10    3A   1A             0    .       3A    2    2    2    2
    11    3A   1A             1    .       3A    2    2    2    2
    12    3A   1A             0    .    1A-3A    2    2    2    2
    13    3A   1A             1    .    1A-3A    2    2    2    2

有什么迹象表明发生了什么吗？

<小时/>

更新

d = b.loc[9:12, ['B1','MIMO']].to_dict(orient='list')
print(d)

输出:

{'B1': ['3A', '3A', '3A', '3A'], 'MIMO': ['1A', ' 3A', ' 3A', ' 1A-3A']}

Answer 1

存在问题，需要通过 str.strip 删除跟踪空格:

b['MIMO'] = b['MIMO'].str.strip()

此外，您的解决方案应该使用 eq 重写为一个 np.where用于比较:

cols = ['B1','B2','B3','B4']
arr = np.where(b[cols].eq(b['MIMO'], axis=0), '4','2')
#alternative
#arr = np.where(b[cols].values == b['MIMO'].values[:, None], '4','2')

b = b.join(pd.DataFrame(arr, columns=cols, index=b.index).add_suffix('_m'))
print (b)
     B1  B2  B3  B4  BCS ULCA   MIMO B1_m B2_m B3_m B4_m
6   28A  1A NaN NaN    0    .     1A    2    4    2    2
7   28A  1A NaN NaN    1    .     1A    2    4    2    2
8    3A  1A NaN NaN    0    .     1A    2    4    2    2
9    3A  1A NaN NaN    1    .     1A    2    4    2    2
10   3A  1A NaN NaN    0    .     3A    4    2    2    2
11   3A  1A NaN NaN    1    .     3A    4    2    2    2
12   3A  1A NaN NaN    0    .  1A-3A    2    2    2    2
13   3A  1A NaN NaN    1    .  1A-3A    2    2    2    2