Python 如何应用if条件并应用于数据帧

需要检查

bool3_res

的

'detected'

键以及

bool_res

的

is_doc1

和

bool_2

res

如果

bool3_res['detected']==bool1_res['is_doc1']==True

则必须返回my

resp

如果

bool3_res['detected']==bool2_res['is_doc1']==True

则必须返回my

resp

\

3:否则返回“无效”

数据帧

user_uid,bool1,bool2,bool3,bool1_res,bool2_res,bool3_res
1001,27452.webp,981.webp,d92e.webp,"{'is_doc1': False, 'is_doc2': True}","{'is_doc1': True, 'is_doc2': True}","{'detected': True, 'count': 1}"
1002,27452.webp,981.webp,d92e.webp,"{'is_doc1': True, 'is_doc2': True}","{'is_doc1': False, 'is_doc2': True}","{'detected': True, 'count': 1}"

我的代码

def new_func(x):
    d1 = df['bool1_res'].to_dict()
    d1 = eval(d1[0])
    d2 = df['bool2_res'].to_dict()
    d2 = eval(d2[0])
    d3 = df['bool3_res'].to_dict()
    d3 = eval(d3[0])

    if d1['is_doc1'] == d3['detected'] == True:
        resp = {
            "task_id": "uid",
            "group_id": "uid",
            "data": {
            "document1": df['bool1'],
            "document2": df['bool3']
            }
            }

    elif d2['is_doc1'] == d3['detected'] == True:
        resp = {
            "task_id": "user_uid",
            "group_id": "uid",
            "data": {
            "document1": df['bool2'],
            "document2": df['bool3']
            }
            }
    elif d3['detected'] == False:
        resp = 'Not valid'
    else:
        resp = 'Not valid'
    return resp
df['new'] = df.apply(new_func, axis = 1)
#df['new'] = df[['bool1', 'bool2', 'bool3', 'bool1_res', 'bool2_res', 'bool3_res']].applymap(new_func)

我的预期出局了

df['新']

{'u_id': 'uid', 'group': 'uid', 'data': {'document1': ['981.webp'], 'document2': {'d92e.webp'}}}"
{'u_id': 'uid', 'group': 'uid', 'data': {'document1': ['27452.webp'], 'document2': {'d92e.webp'}}}"

0    {'task_id': 'user_uid', 'group_id': 'uid', 'data': {'document1': ['981.webp', '981.webp'], 'document2': ['d92e.webp', 'd92e.webp']}}
1    {'task_id': 'user_uid', 'group_id': 'uid', 'data': {'document1': ['981.webp', '981.webp'], 'document2': ['d92e.webp', 'd92e.webp']}}
Name: new, dtype: object

我的 df['新']

0    {'task_id': 'user_uid', 'group_id': 'uid', 'data': {'document1': ['981.webp', '981.webp'], 'document2': ['d92e.webp', 'd92e.webp']}}
1    {'task_id': 'user_uid', 'group_id': 'uid', 'data': {'document1': ['981.webp', '981.webp'], 'document2': ['d92e.webp', 'd92e.webp']}}
Name: new, dtype: object

您应该避免使用

x

而不是

df

来处理每行，对于一个元素列表，将

[]

添加到

x['bool1']

，

x['bool2']

和

x['bool3']

：

import ast

def new_func(x):
    d1 = ast.literal_eval(x['bool1_res'])
    d2 = ast.literal_eval(x['bool2_res'])
    d3 = ast.literal_eval(x['bool3_res'])

    if d1['is_doc1'] == d3['detected'] == True:
        resp = {
            "task_id": "uid",
            "group_id": "uid",
            "data": {
            "document1": [x['bool1']],
            "document2": [x['bool3']]
            }
            }
    elif d2['is_doc1'] == d3['detected'] == True:
        resp = {
            "task_id": "user_uid",
            "group_id": "uid",
            "data": {
            "document1": [x['bool2']],
            "document2": [x['bool3']]
            }
            }
    elif d3['detected'] == False:
        resp = 'Not valid'
    else:
        resp = 'Not valid'
    return resp
df['new'] = df.apply(new_func, axis = 1)

---

---

我假设这就是扩展代码行后数据的样子：（而且，如果您只需添加一些空格，阅读起来会容易得多…^ u^）

df=pd.DataFrame(
[
[1001，“27452.webp”，“981.webp”，“d92e.webp”，
“{'is_doc1'：False，'is_doc2'：True}”，
“{'is_doc1'：True，'is_doc2'：True}”，
{'detected'：True，'count'：1}
],
[1002，“27452.webp”，“981.webp”，“d92e.webp”，
“{'is_doc1'：True，'is_doc2'：True}”，
“{'is_doc1'：False，'is_doc2'：True}”，
{'detected'：True，'count'：1}
],
[1003，“27452.webp”，“981.webp”，“d92e.webp”，
“{'is_doc1'：True，'is_doc2'：True}”，
“{'is_doc1'：False，'is_doc2'：True}”，
{'detected'：False，'count'：1}
],
],
列=['user\u uid'、'bool1'、'bool2'、'bool3'、'bool1\u res'、'bool2\u res'，
“bool3_res”
]
)

我的回答 执行分为两部分：（1）解析字符串和（2）处理/生成“新”列值

#必需的软件包
导入ast
作为pd进口熊猫
#关于类型建议
从输入任何

第1部分：解析dict字符串 此函数通过应用于数据帧中的每个元素，并使用@jezrael正确建议的

ast.literal\u eval

def str2dict（x:Any）：
“（步骤1）使用ast.literal\u eval解析参数”
尝试：
x=ast.literal_eval（x.strip（））
#如果x不可解析，则按原样返回x
除ValueError为e外：
通过
最后：
返回x

第2部分：处理数据（即制作“新”列） 此函数应用于数据帧的每一行（通过）：

根据您发布的函数中的逻辑，我：

检查

bool3['detected']

是否为False（前两个条件都已检测到==True）；如果是这样，请引发ValueError

检查bool1的is_doc1是否为真，如果不是，则检查bool2的is_doc1是否为真

如果两者都不正确，则引发

ValueError

def make_newcol_条目（x:pd.系列）：
“”（步骤2）为熊猫组构造“新”列值“”
尝试：
如果x.bool3_res['detected']为假：
升值误差
#检查is_doc1属性
elif x.bool1_res['is_doc1']为真：
document1=x.bool1
elif x.bool2_res['is_doc1']为真：
document1=x.bool2
其他：
升值误差
除值错误外：
entry=“无效”
通过
#如果有'is_doc1'是真的，那么构造您的条目。
其他：
条目={
“任务id”：“uid”，
“组id”：“uid”，
“数据”：{“document1”：document1，“document2”：x.bool3}
}
返回条目

要执行，请运行：

df=df.assign（new=lambda x:x.applymap（str2dict）\
.agg（生成新的列项，轴=1））

请注意，这将解析数据帧中的所有元素

要仅解析

bool\u res

列，可以分两步执行：

#选择并仅解析res cols（'bool#u res'），然后应用
df.update（df.filter（regex=r''u res$'，axis=1.applymap（str2dict））
df=df.assign（lambda x:x.agg（应用make\u newcol\u条目，轴=1））

结果

$df
用户uid bool1 bool2 bool3 bool1\u res bool2\u res bool3\u res new
0 1001 27452.webp 981.webp d92e.webp{'is_doc1'：False，'is_doc2'：True}{'is_doc1'：True，'is_doc2'：True}{'detected'：True，'count'：1}{'task_id'：'uid'，'group_id'：'uid'，'data'：{'document1'：'981.webp'，'document2'：'d92e.webp'}
1 1002 27452.webp 981.webp d92e.webp{'is_doc1'：True，'is_doc2'：True}{'is_doc1'：False，'is_doc2'：True}{'detected'：True，'count'：1}{'task_id'：'uid'，'group_id'：'uid'，'data'：{'document1'：'27452.webp'，'document2'：'d92e.webp'}
2 1003 27452.webp 981.webp d92e.webp{'is_doc1'：True，'is_doc2'：True}{'is_doc1'：False，'is_doc2'：True}{'detected'：False，'count'：1}无效

$df['new']
0{'task_id'：'uid'，'group_id'：'uid'，'data'：{'document1'：'981.webp'，'document2'：'d92e.webp'}
1{'task_id'：'uid'，'group_id'：'uid'，'data'：{'document1'：'27452.webp'，'document2'：'d92e.webp'}
2无效
名称：新建，数据类型：对象

不要为此使用

eval（）

。请分享所有相关代码和数据。请参阅：。你看过熊猫的文件了吗？为什么要将字典存储在数据帧中？@AMC它是必需的，只需执行代码，我有一些小的可复制代码正在工作。这是一个api响应，需要另存为数据帧。我不确定您所说的“需要”是什么意思，请执行代码。@cdac您的预期输出显示一个键

'u\u id'

，代码中没有提到它。此外，程序输出显示的是

“任务id”

。您希望

'uid'

是什么？它应该只是一个固定的字符串，还是您希望

'user\u id'

的值位于该位置？