假设我有以下pandas DataFrame:
A B C
0 0.548814 0.791725 0.978618
1 0.715189 0.528895 0.799159
2 0.602763 0.568045 0.461479
3 0.544883 0.925597 0.780529
4 0.423655 0.071036 0.118274
5 0.645894 0.087129 0.639921
6 0.437587 0.020218 0.143353
7 0.891773 0.832620 0.944669
8 0.963663 0.778157 0.521848
9 0.383442 0.870012 0.414662
可以使用以下代码创建:
import pandas as pd
import numpy as np
size = 10
np.random.seed(0)
keys = ["A", "B", "C"]
df = pd.DataFrame({k: np.random.random(size) for k in keys})
如何找到符合给定条件的第一列?
在这种情况下,假设我的标准是我想要第一列,其中值小于某个p,比如0.5.如果没有列符合此条件,我想返回“不匹配”.
使用apply,这可以做到如下:
p = 0.5
first = df.apply(
lambda row: next((x for i, x in enumerate(df.columns) if row[x]<p), "No Match"),
axis=1
)
print(first)
#0 No Match
#1 No Match
#2 C
#3 No Match
#4 A
#5 B
#6 A
#7 No Match
#8 No Match
#9 A
#dtype: object
是否有更有效(矢量化)的方法来做到这一点?我在想应该有一些方法使用argmax(),但我没有让它工作.
另外,我正在使用pandas 0.19.2而且我不确定我是否可以升级.
print(pd.__version__)
#u'0.19.2'
最佳答案 您可以使用NumPy argmax,但需要覆盖在给定行中从未满足您的条件的实例:
mask = df.lt(0.5)
df['first'] = np.where(mask.any(1), df.columns[mask.values.argmax(1)], 'No Match')
您也可以使用Pandas idxmax:
df['first'] = np.where(mask.any(1), mask.idxmax(1), 'No Match')
print(df)
A B C first
0 0.548814 0.791725 0.978618 No Match
1 0.715189 0.528895 0.799159 No Match
2 0.602763 0.568045 0.461479 C
3 0.544883 0.925597 0.780529 No Match
4 0.423655 0.071036 0.118274 A
5 0.645894 0.087129 0.639921 B
6 0.437587 0.020218 0.143353 A
7 0.891773 0.832620 0.944669 No Match
8 0.963663 0.778157 0.521848 No Match
9 0.383442 0.870012 0.414662 A