df:
NEW COL1 COL2
1 2 9
3 NaN NaN
0 7 NaN
column_names = [COL1,COL2]
我想将 TOTAL 的值设置为等于 NEW,只有当 NEW > 0 并且一行中 COL1 和 COL2 的总和等于 0 时。
我是这样做的,但结果不正确(即 COL1 在相应行中等于 0)。例如,在第二行中,COL1 需要等于 3,但它等于 0。
df[column_names] = df[column_names].fillna(0)
df.COL1.where((df.NEW>0 & (df[column_names].sum(axis=1) == 0)),df.NEW)
请您参考如下方法:
您可以将 DataFrame.apply 与 axis=1 一起使用(将函数应用于每一行),并在该函数中执行您的逻辑。示例 -
df['TOTAL'] = df.apply((lambda row: row[col_names].sum() or row['NEW']), axis=1)
演示 -
In [12]: df
Out[12]:
NEW COL1 COL2
0 1 2 9
1 3 NaN NaN
2 0 7 NaN
In [13]: df['TOTAL'] = df.apply((lambda row: row[col_names].sum() or row['NEW']), axis=1)
In [14]: df
Out[14]:
NEW COL1 COL2 Total
0 1 2 9 11
1 3 NaN NaN 3
2 0 7 NaN 7
您的 Series.where 问题方法是 Series.where 如果条件为真则返回 Col1 的值,否则返回 NEW 的值。因此,这将仅在满足条件的情况下返回 NEW 值(这实际上与您的要求相反)。
这在 the documentations - 中有解释
Series.where(cond, other=nan, inplace=False, axis=None, level=None, try_cast=False, raise_on_error=True)Return an object of same shape as self and whose corresponding entries are from self where cond is True and otherwise are from other.
所以你想做的是否定你现在正在做的事情。示例 -
In [22]: df.COL1.where((df.NEW>0 & (df[column_names].sum(axis=1) == 0)),df.NEW)
Out[22]:
0 2
1 NaN
2 0
Name: COL1, dtype: float64
In [23]: df.COL1.where(~(df.NEW>0 & (df[column_names].sum(axis=1) == 0)),df.NEW)
Out[23]:
0 1
1 3
2 7
Name: COL1, dtype: float64
另请注意 df.COL1 返回新系列,它不在原地,您可能需要将其分配回 df['COL1'] 。
