我正在尝试根据这两列创建一个新列。假设我想创建一个新列 z,当 y 不丢失时,它应该是 y 的值;当 y 确实丢失时,它应该是 x 的值。所以在这种情况下,我期望 z 为
[1, 8, 10, 8]
。
x y
0 1 NaN
1 2 8
2 4 10
3 8 NaN
您可以将
apply
与选项 axis=1
一起使用。那么你的解决方案非常简洁。
df[z] = df.apply(lambda row: row.y if pd.notnull(row.y) else row.x, axis=1)
新列
'z'
使用 'y'
从列 df['z'] = df['y']
获取其值。这会带来缺失值,因此请使用 fillna
使用列 'x'
来填充它们。链接这两个动作:
>>> df['z'] = df['y'].fillna(df['x'])
>>> df
x y z
0 1 NaN 1
1 2 8 8
2 4 10 10
3 8 NaN 8
使用
np.where
:
In [3]:
df['z'] = np.where(df['y'].isnull(), df['x'], df['y'])
df
Out[3]:
x y z
0 1 NaN 1
1 2 8 8
2 4 10 10
3 8 NaN 8
这里使用布尔条件,如果 true 返回
df['x']
else df['y']
假设 DataFrame 称为
df
。首先复制y
列。
df["z"] = df["y"].copy()
然后将 z 的 nan 位置设置为 x 中 nan 位于 z 中的位置。
import numpy as np
df.z[np.isnan(df.z)]=df.x[np.isnan(df.z)]
>>> df
x y z
0 1 NaN 1
1 2 8 8
2 4 10 10
3 8 NaN 8
我不确定我是否理解这个问题,但这就是您要找的吗?
如果值为 None,“if y[i]” 将跳过。
for i in range(len(x));
if y[i]:
z.append(y[i])
else:
z.append(x[i])
update
方法几乎正是这样做的。唯一需要注意的是 update
会就地执行此操作,因此您必须首先创建一个副本:
df['z'] = df.x.copy()
df.z.update(df.y)
在上面的示例中,您从
x
开始,并将每个值替换为 y
中的相应值,只要新值不是 NaN
。