Python将根据另一个单元格中的值检查列中的单元格值

如果某一列中的值大于或不大于0，我需要检查数据帧中的每一行

tshirt  pants   sweater socks   Product_1   Product_2   Product_3  Expected
0       1        0       1      sweater      tshirt     pants        True
1       1        0       1      sweater      tshirt     socks        True
0       1        0       0      socks        sweater    socks        False
1       1        0       1      sweater      tshirt     sweater      True
0       0        0       0      socks        sweater    tshirt       False

例如，“Product_1”列中的值是“tshirt”，我需要检查thshirt列中的值是否大于0

tshirt  pants   sweater socks   Product_1   Product_2   Product_3  Expected
0       1        0       1      sweater      tshirt     pants        True
1       1        0       1      sweater      tshirt     socks        True
0       1        0       0      socks        sweater    socks        False
1       1        0       1      sweater      tshirt     sweater      True
0       0        0       0      socks        sweater    tshirt       False

如果三个“产品”列中的一个值大于0，则另一列可能会说True，否则会说False（请参阅预期列）

生成示例数据的代码：

import pandas as pd
import numpy as np

recomendations = ['tshirt', 'pants', 'sweater', 'socks']
size = 100


data = pd.DataFrame()

# Generate data
for idx, i in enumerate(recomendations):
    data[i] = np.random.choice([0,1], size=100)

    if idx <= 3:
        data[f'Product_{idx}'] = np.random.choice(recomendations, size=size)
# Sort        
data[recomendations + ['Product_1', 'Product_2', 'Product_3']]

将熊猫作为pd导入
将numpy作为np导入
建议=['tshirt'、'裤子'、'毛衣'、'袜子']
尺寸=100
data=pd.DataFrame（）
#生成数据
对于idx，枚举中的i（建议）：
数据[i]=np.随机选择（[0,1]，大小=100）
如果idx为0：
track.append（1）
其他：
track.append（0）
如果frame.loc[idx，[i代表frame.columns中的i，如果我不在str_cols中]].sum（）<1:
无采购+=1
结果=无采购/（长度（轨道）-np.总和（轨道））
返回结果

用于

产品

列，带有

最大值

，用于指示器输出（通常为1,0）：

然后将按位

和
的
1
和
填充的每行值与较大值（如
0
）进行比较的条件链接起来：

mask = df.eq(1) & data.loc[:, data.columns.isin(df.columns)].gt(0)
print (mask)
   pants  socks  sweater  tshirt
0   True  False    False   False
1  False   True    False    True
2  False  False    False   False
3  False  False    False    True
4  False  False    False   False

如果每行至少有一个
True
，则进行最后一次测试：

用于
产品
列，带有
最大值
，用于指标输出（通常为1,0）：

然后将按位
和
的
1
和
填充的每行值与较大值（如
0
）进行比较的条件链接起来：

mask = df.eq(1) & data.loc[:, data.columns.isin(df.columns)].gt(0)
print (mask)
   pants  socks  sweater  tshirt
0   True  False    False   False
1  False   True    False    True
2  False  False    False   False
3  False  False    False    True
4  False  False    False   False

如果每行至少有一个
True
，则进行最后一次测试：

另一种方法是这种方法

expected = []

for index, row in data.iterrows():
    product1 = row["Product_1"]
    product2 = row["Product_2"]
    product3 = row["Product_3"]
    if row[product1] > 0 or row[product2] > 0 or row[product3] > 0:
        expected.append(True)
    else:
        expected.append(False)

data['Expected'] = expected
print(data)

另一种方法是这种方法

expected = []

for index, row in data.iterrows():
    product1 = row["Product_1"]
    product2 = row["Product_2"]
    product3 = row["Product_3"]
    if row[product1] > 0 or row[product2] > 0 or row[product3] > 0:
        expected.append(True)
    else:
        expected.append(False)

data['Expected'] = expected
print(data)

到目前为止，您尝试了什么？是否可以为具有预期输出的相同随机数据添加
np.random.seed（2020）
，例如，前3行？您的预期输出是什么？到目前为止您尝试了什么？是否可以为具有预期输出的相同随机数据添加
np.random.seed（2020）
，例如，对于前3行？您预期的输出是什么？我认为这里的
iterrows
真的是个坏主意，应该尽量避免，检查谢谢，我不知道。我认为这里的
iterrows
真的是个坏主意，应该尽量避免，检查谢谢，我不知道。