Python 如何将多个列与给定的单个列匹配，并在新列中获取其名称？

我想在多个列中匹配某些条件。如果条件匹配，则返回列名：

我的演示文稿是：

df = pd.DataFrame({"mtc": ["A", "B", "C", "D"],
                     "C1": ["A", "A", "A", "C"],
                    "C2": ["X", "B", "A", "C"],
                    "C3": ["Y", "D", "A", "D"],
                    "C4": ["Z", "D", "C", "C"]})


    mtc C1  C2  C3  C4
0   A   A   X   Y   Z
1   B   A   B   D   D
2   C   A   A   A   C
3   D   C   C   D   C

在这里，我想将

mtc列中的值与列['C1'、'C2'、'C3'、'C4']

中的值进行匹配

我在

结果列中的预期输出为：

   mtc  Result  C1  C2  C3  C4
0   A     C1    A   X   Y   Z
1   B     C2    A   B   D   D
2   C     C4    A   A   A   C
3   D     C3    C   C   D   C

这将产生输出-

mtc
C1
C2
C3
补体第四成份
结果
A.
A.
X
Y
Z
C1
B
A.
B
D
D
C2
C
A.
A.
A.
C
补体第四成份
D
C
C
D
C
C3
解决方案
解释
过滤
C
类列，然后沿
axis=0
将这些列与
mtc
列进行比较，以创建布尔掩码

>>> m
      C1     C2     C3     C4
0   True  False  False  False
1  False   True  False  False
2  False  False  False   True
3  False  False   True  False

现在我们可以使用
idxmax
沿
axis=1
获取包含上述布尔掩码中第一个
True
值的列的名称。此外，我们还可以屏蔽列名，以防找不到匹配项

>>> m.idxmax(1)

0    C1
1    C2
2    C4
3    C3
dtype: object

>>> df

  mtc C1 C2 C3 C4 Result
0   A  A  X  Y  Z     C1
1   B  A  B  D  D     C2
2   C  A  A  A  C     C4
3   D  C  C  D  C     C3

您可以在
mtc
上找到
mtc==value
的第一个匹配项：

m=df.melt（'mtc'）
m=m[m.mtc==m.value]。删除重复项（subset='mtc'，keep='first'）
#mtc变量值
#0 A C1 A
#5 B C2 B
#11 D C3 D
#14 C C4 C

然后返回到
df
：

df['Result']=df.mtc.map（m.set_index（'mtc'）。变量）
#mtc C1 C2 C3 C4结果
#0aaxyzc1
#1 B A B D C 2
#2立方碳四
#三维C 3
您的答案有效，但速度滞后
5.08 ms±186µs/圈（7次运行的平均值±标准偏差，每次100圈）
@SurajS您测试答案的数据大小是多少？尝试增加数据量并再次测试，我相信通过使用矢量化方法，您会看到性能的提高。此外，如果在
mtc
和
C
类似列之间始终存在匹配，则可以跳过
掩码
部分。如何替换
.eq（df['mtc'，轴=0）
对于像
=&@SurajS这样的东西，我不确定你所说的不完全匹配是什么意思，但我想你可以试试
.le
对于
=
是的，这就是我想要的，但是如果两者都需要，比如
=&你的答案与其他
相比，每个循环的速度也有2.96 ms±205µs（平均±标准偏差为7次，每个循环100次）
如果给出重复数据，您的答案将失败，例如如果
c1和c2在第1行
中具有相同的值，则重复问题现在应该得到解决，但此解决方案可能比其他解决方案慢。
>>> m
      C1     C2     C3     C4
0   True  False  False  False
1  False   True  False  False
2  False  False  False   True
3  False  False   True  False

>>> m.idxmax(1)

0    C1
1    C2
2    C4
3    C3
dtype: object

>>> df

  mtc C1 C2 C3 C4 Result
0   A  A  X  Y  Z     C1
1   B  A  B  D  D     C2
2   C  A  A  A  C     C4
3   D  C  C  D  C     C3