Python pandas-选择列名并将其转换为值

从这个数据帧df开始：

df = pd.DataFrame({'id':[1,2,3,4],'a':['on','on','off','off'], 'b':['on','off','on','off']})

     a    b  id
0   on   on   1
1   on  off   2
2  off   on   3
3  off  off   4

我想要实现的是一个列

result

，其中包含列的“开”和“关”选择的结果。预期产出为：

     a    b  id result
0   on   on   1 [a,b]
1   on  off   2 [a]
2  off   on   3 [b]
3  off  off   4 []

因此，基本上我必须选择列中的“on”值（id除外），然后将生成的列名保留在列表中。我的第一次尝试是使用透视表：

d = pd.pivot_table(df, index='id', columns=?, values=?)

---

但是我被困在如何将选择放入

值中，并将新列放入
列中
参数中。
对于我来说，创建嵌套的
列表
s，然后通过
str[0]选择列表的第一个值。
：

df['res'] = df[['a','b']].eq('on').apply(lambda x: [x.index.values[x]], axis=1).str[0]
print (df)
     a    b  id     res
0   on   on   1  [a, b]
1   on  off   2     [a]
2  off   on   3     [b]
3  off  off   4      []

或者先创建元组，然后转换到
list
s:

df['res'] = df[['a','b']].eq('on')
                         .apply(lambda x: tuple(x.index.values[x]), axis=1).apply(list)
print (df)
     a    b  id     res
0   on   on   1  [a, b]
1   on  off   2     [a]
2  off   on   3     [b]
3  off  off   4      []

对于me works，创建嵌套的
列表
s，然后通过
str[0]
选择列表的第一个值：

df['res'] = df[['a','b']].eq('on').apply(lambda x: [x.index.values[x]], axis=1).str[0]
print (df)
     a    b  id     res
0   on   on   1  [a, b]
1   on  off   2     [a]
2  off   on   3     [b]
3  off  off   4      []

或者先创建元组，然后转换到
list
s:

df['res'] = df[['a','b']].eq('on')
                         .apply(lambda x: tuple(x.index.values[x]), axis=1).apply(list)
print (df)
     a    b  id     res
0   on   on   1  [a, b]
1   on  off   2     [a]
2  off   on   3     [b]
3  off  off   4      []

也可以使用透视表代替透视表

df['result'] = df.iloc[:,0:2].eq('on').apply(lambda x: tuple(df.columns[0:2][x]), axis=1)

输出：

a    b  id  result
0   on   on   1  (a, b)
1   on  off   2    (a,)
2  off   on   3    (b,)
3  off  off   4      ()
b id结果
1（a，b）上的0
1开2关（a，）
3（b）上的2关
三关四关（）
也可以使用透视表代替透视表

df['result'] = df.iloc[:,0:2].eq('on').apply(lambda x: tuple(df.columns[0:2][x]), axis=1)

输出：

a    b  id  result
0   on   on   1  (a, b)
1   on  off   2    (a,)
2  off   on   3    (b,)
3  off  off   4      ()
b id结果
1（a，b）上的0
1开2关（a，）
3（b）上的2关
三关四关（）
试试这个：

import pandas as pd
df = pd.DataFrame({'id':[1,2,3,4],'a':['on','on','off','off'], 'b':['on','off','on','off']})
stringList = []
for i in range(0,df.shape[0]):
    if df['a'][i] == 'on' and df['b'][i] == 'on':
        stringList.append('[a,b]')
    elif df['a'][i] == 'on' and df['b'][i] == 'off':
        stringList.append('[a]')
    elif df['a'][i] == 'off' and df['b'][i] == 'on':
        stringList.append('[b]')
    else:
        stringList.append('[]')
df['result'] = stringList
print df

试试这个：

import pandas as pd
df = pd.DataFrame({'id':[1,2,3,4],'a':['on','on','off','off'], 'b':['on','off','on','off']})
stringList = []
for i in range(0,df.shape[0]):
    if df['a'][i] == 'on' and df['b'][i] == 'on':
        stringList.append('[a,b]')
    elif df['a'][i] == 'on' and df['b'][i] == 'off':
        stringList.append('[a]')
    elif df['a'][i] == 'off' and df['b'][i] == 'on':
        stringList.append('[b]')
    else:
        stringList.append('[]')
df['result'] = stringList
print df

或者您可以使用
eq
和
mul

df['res']=(df[['a','b']].eq('on').mul(['a','b'])).values.tolist()

Out[824]: 
     a    b  id     res
0   on   on   1  [a, b]
1   on  off   2   [a, ]
2  off   on   3   [, b]
3  off  off   4    [, ]

或者您可以使用
eq
和
mul

df['res']=(df[['a','b']].eq('on').mul(['a','b'])).values.tolist()

Out[824]: 
     a    b  id     res
0   on   on   1  [a, b]
1   on  off   2   [a, ]
2  off   on   3   [, b]
3  off  off   4    [, ]

为什么不
（df[[a'，b']]=='on'）。应用（lambda x:[x[x].index]，axis=1）
？为什么不
（df[[a'，b']]=='on'）。应用（lambda x:[x[x].index]，axis=1）
？在可以矢量化解决方案时，将
用于
循环不是一个好主意。一旦你得到了一个额外的on和off列，你就必须改变很多代码。实际上，当你可以矢量化解决方案时，使用
for
循环不是一个好主意。一旦你得到一个额外的on和off列，你就必须修改很多代码。