我有一个 pandas DataFrame,它有 10 列,其中包含 0、1 或 NaN。这是一个类似于我所拥有的示例数据框。
id col_1 col_2 col_3
'jk3' 1 1 NaN
'kp2' 1 1 1
'po0' 0 1 0
'in6' NaN 0 1
'ml5' 1 NaN 0
'lj3' 1 0 NaN
我想添加另一列 df['correct'],如果行中存在 0 则显示 False,否则显示 真。
我通过将系列加在一起来尝试这样做:
df['correct'] = df[df.col_1 + df.col_2 + col_3]
但是 NaN 结果是个问题,在本应为 True 的行中显示了 NaN
有什么方法可以实现它,以便输出?
id col_1 col_2 col_3 correct
'jk3' 1 1 NaN True
'kp2' 1 1 1 True
'po0' 0 1 0 False
'in6' NaN 0 1 False
'ml5' 1 NaN 0 False
'lj3' 1 0 NaN False
请您参考如下方法:
如果 id 是列则使用:
df['correct'] = df.iloc[:, 1:].ne(0).all(axis=1)
#alternative solution
#df['correct'] = ~df.iloc[:, 1:].eq(0).any(axis=1)
print (df)
id col_1 col_2 col_3 correct
0 'jk3' 1.0 1.0 NaN True
1 'kp2' 1.0 1.0 1.0 True
2 'po0' 0.0 1.0 0.0 False
3 'in6' NaN 0.0 1.0 False
4 'ml5' 1.0 NaN 0.0 False
5 'lj3' 1.0 0.0 NaN False
详细信息:
首先通过 iloc 选择所有没有 first 的列:
print (df.iloc[:, 1:])
col_1 col_2 col_3
0 1.0 1.0 NaN
1 1.0 1.0 1.0
2 0.0 1.0 0.0
3 NaN 0.0 1.0
4 1.0 NaN 0.0
5 1.0 0.0 NaN
比较不等于ne :
print (df.iloc[:, 1:].ne(0))
col_1 col_2 col_3
0 True True True
1 True True True
2 False True False
3 True False True
4 True True False
5 True False True
上次检查 all True每行:
print (df.iloc[:, 1:].ne(0).all(axis=1))
0 True
1 True
2 False
3 False
4 False
5 False
dtype: bool
如果 id 是索引:
df['correct'] = df.ne(0).all(axis=1)
print (df)
col_1 col_2 col_3 correct
id
'jk3' 1.0 1.0 NaN True
'kp2' 1.0 1.0 1.0 True
'po0' 0.0 1.0 0.0 False
'in6' NaN 0.0 1.0 False
'ml5' 1.0 NaN 0.0 False
'lj3' 1.0 0.0 NaN False
