web-dev-qa-db-fra.com

Pandas - sélection conditionnelle de la colonne source de données pour une nouvelle colonne en fonction de la valeur de la ligne

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]
15
aensm

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
10
falsetru

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.

5
EdChum

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
1