pandas - 根据其他列的值生成新列

Question

这是我的示例数据输入和输出:

df=pd.DataFrame({'A_flag': [1, 1,1], 'B_flag': [1, 1,0],'C_flag': [0, 1,0],'A_value': [5, 3,7], 'B_value': [2, 7,4],'C_value': [4, 2,5]})

df1=pd.DataFrame({'A_flag': [1, 1,1], 'B_flag': [1, 1,0],'C_flag': [0, 1,0],'A_value': [5, 3,7], 'B_value': [2, 7,4],'C_value': [4, 2,5], 'Final':[3.5,3,7]})

我想根据 A_flag、B_flag 和 C_flag 生成另一个名为“Final”的列:

(a) 如果等于 1 的三列数为 3，则 'Final'=(A_value, B_value, C_value) 的中值

(b) 如果满足条件的数量为 2，则“最终”= 这两个条件的平均值

(c) 如果数字是 1，则 'Final' = 那个

例如第1行，A_flag=1 and B_flag =1, 'Final'=A_value+B_value/2=5+2/2=3.5在第 2 行中，所有三个标志均为 1，因此“最终”= (3,7,2) 的中位数 =3在第 3 行中，只有 A_flag=1，所以 'Final'=A_value=7

我尝试了以下方法:

df.loc[df[['A_flag','B_flag','C_flag']].eq(1).sum(axis=1)==3, "Final"]= df[['A_flag','B_flag','C_flag']].median(axis=1)

df.loc[df[['A_flag','B_flag','C_flag']].eq(1).sum(axis=1)==2, "Final"]=
df.loc[df[['A_flag','B_flag','C_flag']].eq(1).sum(axis=1)==1, "Final"]=  

我不知道如何为第二种和第三种情况对列进行子集化。

Answer 1

假设标志和值列的顺序匹配，您可以先过滤像列一样的标志和值，然后屏蔽值中的值flag 为 0 的列，然后沿 axis=1

计算 median

flag = df.filter(like='_flag')
value = df.filter(like='_value')

df['median'] = value.mask(flag.eq(0).to_numpy()).median(1)

---

   A_flag  B_flag  C_flag  A_value  B_value  C_value  median
0       1       1       0        5        2        4     3.5
1       1       1       1        3        7        2     3.0
2       1       0       0        7        4        5     7.0