我试图找出一种更直接的替代方法，用于基于另外两个包含True，False或NaN值的列在pandas数据框中评估和创建新列。我希望新列相对于两个参考列的评估如下：
我已经找到了使用几个嵌套的np.where语句的解决方案，但希望使用更直接的方法。对于单个参考列，我知道了如何执行此操作（请参见下面的col4所示），但无法确定是否有一种方法可以使它适应多个参考列。
当前解决方案：
import pandas as pd
import numpy as np
d = {'col1': [True, True, True, False, False, False, np.nan, np.nan, np.nan],
'col2': [True, False, np.nan,True, False, np.nan,True, False, np.nan]}
df = pd.DataFrame(data=d)
df['col3'] = np.where(
pd.notnull(df['col1']) & pd.notnull(df['col2']),
(df['col1'] == True) | (df['col2'] == True),
np.where(
pd.isnull(df['col1']) & pd.isnull(df['col2']),
np.nan,
np.where(pd.notnull(df['col1']),df['col1'],df['col2'])
)
)
单参考柱解决方案：
df['col4'] = df['col1'].map(lambda x: x, na_action='ignore')
np.select() 适用于这种类型的工作：
df['col3'] = pd.Series(np.select(
[(df.col1 == True) | (df.col2 == True), (df.col1 == False) | (df.col2 == False)],
[True, False], np.array(np.nan, object)))
或者，仅使用熊猫，但我认为这种方式的可读性较差：
df['col3'] = df.col1.where(df.col1, df.col2.where(df.col2.notnull(), df.col1))
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句