Existe-t-il une fonction pandas permettant de sélectionner différentes colonnes en fonction d’une condition? Ceci est analogue à une instruction CASE dans une clause SQL Select. Par exemple, supposons que j'ai le DataFrame suivant:
foo = DataFrame(
[['USA',1,2],
['Canada',3,4],
['Canada',5,6]],
columns = ('Country', 'x', 'y')
)
Je souhaite sélectionner dans la colonne 'x' lorsque Country == 'USA' et dans la colonne 'y' lorsque Country == 'Canada', ce qui donne le résultat suivant:
Country x y z
0 USA 1 2 1
1 Canada 3 4 4
2 Canada 5 6 6
[3 rows x 4 columns]
Utilisation de l'argument other
de DataFrame.where
et de pandas.concat
:
>>> import pandas as pd
>>>
>>> foo = pd.DataFrame([
... ['USA',1,2],
... ['Canada',3,4],
... ['Canada',5,6]
... ], columns=('Country', 'x', 'y'))
>>>
>>> z = foo['x'].where(foo['Country'] == 'USA', foo['y'])
>>> pd.concat([foo['Country'], z], axis=1)
Country x
0 USA 1
1 Canada 4
2 Canada 6
Si vous voulez z
comme nom de colonne, spécifiez keys
:
>>> pd.concat([foo['Country'], z], keys=['Country', 'z'], axis=1)
Country z
0 USA 1
1 Canada 4
2 Canada 6
Cela fonctionnerait:
In [84]:
def func(x):
if x['Country'] == 'USA':
return x['x']
if x['Country'] == 'Canada':
return x['y']
return NaN
foo['z'] = foo.apply(func(row), axis = 1)
foo
Out[84]:
Country x y z
0 USA 1 2 1
1 Canada 3 4 4
2 Canada 5 6 6
[3 rows x 4 columns]
Vous pouvez utiliser loc
:
In [137]:
foo.loc[foo['Country']=='Canada','z'] = foo['y']
foo.loc[foo['Country']=='USA','z'] = foo['x']
foo
Out[137]:
Country x y z
0 USA 1 2 1
1 Canada 3 4 4
2 Canada 5 6 6
[3 rows x 4 columns]
MODIFIER
Bien que peu maniable, l'utilisation de loc
s'échelonnera mieux avec des images plus volumineuses, car apply s'applique à chaque ligne, tandis que l'indexation booléenne est vectorisée.
Voici une solution générique pour sélectionner des colonnes arbitraires à partir d'une valeur dans une autre colonne.
Cela présente l’avantage supplémentaire de séparer la logique de recherche dans une simple structure dict
qui la rend facile à modifier.
import pandas as pd
df = pd.DataFrame(
[['UK', 'burgers', 4, 5, 6],
['USA', 4, 7, 9, 'make'],
['Canada', 6, 4, 6, 'you'],
['France', 3, 6, 'fat', 8]],
columns = ('Country', 'a', 'b', 'c', 'd')
)
J'étends à une opération où un résultat conditionnel est stocké dans une structure de recherche externe (dict
)
lookup = {'Canada': 'd', 'France': 'c', 'UK': 'a', 'USA': 'd'}
Bouclez le pd.DataFrame
pour chaque colonne stockée dans la dict
et utilisez les valeurs de la table de conditions pour déterminer la colonne à sélectionner.
for k,v in lookup.iteritems():
filt = df['Country'] == k
df.loc[filt, 'result'] = df.loc[filt, v] # modifies in place
Donner la leçon de vie
In [69]: df
Out[69]:
Country a b c d result
0 UK burgers 4 5 6 burgers
1 USA 4 7 9 make make
2 Canada 6 4 6 you you
3 France 3 6 fat 8 fat