Pandas：按条件使用同一列中的值按列中的hange值

Question

我需要在一个名为'month'的列中替换为基于另一列'step_name'的同一列中的值。如果df.step_name.str.contains('step1')我想使用'month'的值，其中df.step_name.str.contains('step2')。我使用了df.loc[]，但是它只是用month删除了'step1'的值。

for i in set(df['id']): df.loc[(df.id.str.contains(i))&(df.step_name.str.contains('step1')),'month'] = df.loc[(df.id.str.contains(i))&(df.step_name.str.contains('step2')),'month']

Answer 1

假设源数据帧包含：

   id step_name     month
0  10     step1   January
1  10     step2     March
2  12     step1  February
3  12     step2     April
4  14     step1       May

以便在具有索引0和2的行中（step_name =='step1'）month列应更新为下一行的值（step_name =='step2'，相同的[[id）。

为此，请运行：

df.set_index('id', inplace=True)
df.update(df[df.step_name == 'step2']['month'])
df.reset_index(inplace=True)

结果是：
   id step_name  month
0  10     step1  March
1  10     step2  March
2  12     step1  April
3  12     step2  April
4  14     step1    May

请注意，
update

实际上使用各自的[[id更新两行，但如果行中带有step_name =='step2'，则什么都不会更改。我认为，我的解决方案比您的循环更pandasonic每个

id

的单独更新。

Answer 2

首先，我将进行快速清理，以便我们了解发生了什么：

# Your code.
is_step1 = new_df.step_name.str.contains('step1')
is_step2 = new_df.step_name.str.contains('step2')

for i in set(df['id']): 
  is_id = df.id.str.contains(i)
  df.loc[is_id & is_step1, 'month'] = df.loc[is_id & is_step2, 'month']

您使用两个互相影响的蒙版。

'''
mask1 mask2  => df[mask1] df[mask2]
1     0         value1    NaN        -> value1 = NaN
0     1         NaN       value2
0     0         NaN       NaN
0     0         NaN       NaN
'''

如果您改为使用数组，则pandas会将值映射为该数组以填充在作业的左侧...

new_df.loc[is_id & is_step1, 'month'] = new_df.loc[is_id & is_step2, 'month'].values

...这就是发生的情况：

'''
mask1 mask2  => df[mask1] df[mask2].values
1     0         value1    value2            -> value1 = value2
0     1         NaN       
0     0         NaN       
0     0         NaN       
'''

现在，例如，如果您想交换step1和step2的月份...

# N.B. I don't say it is best practice, but it works!
new_df = df.sort_values('id')

is_step1 = new_df.step_name.str.contains('step1')
is_step2 = new_df.step_name.str.contains('step2')

c = df.loc[is_step1, 'month'].values
new_df.loc[is_step1, 'month'] = new_df.loc[is_step2, 'month'].values
new_df.loc[is_step2, 'month'] = c

我相信Valdi_Bo的解决方案是最好的。接受他的回答。 ;）