Python 用另一列中的相同行值替换dataframe列中的值

我有一个熊猫数据框，看起来像这样：

            val_1   val_2   Flag
Date                       
2018-08-27  221.0  121.0     0
2018-08-28  222.0  122.0     1
2018-08-29  223.0  123.0     0
2018-08-30  224.0  124.0     2
2018-08-31  225.0  125.0     0

            val_1   val_2   Flag
Date                       
2018-08-27  221.0  121.0     0
2018-08-28  222.0  122.0     222.0
2018-08-29  223.0  123.0     0
2018-08-30  224.0  124.0     124.0
2018-08-31  225.0  125.0     0

我想根据标志条件将标志列值更改为其他列中相同的值。即，如果标志为1，则用同一行中的val_1替换1，如果标志为2，则用val_2替换1。我正在查看的输出如下所示：

            val_1   val_2   Flag
Date                       
2018-08-27  221.0  121.0     0
2018-08-28  222.0  122.0     1
2018-08-29  223.0  123.0     0
2018-08-30  224.0  124.0     2
2018-08-31  225.0  125.0     0

            val_1   val_2   Flag
Date                       
2018-08-27  221.0  121.0     0
2018-08-28  222.0  122.0     222.0
2018-08-29  223.0  123.0     0
2018-08-30  224.0  124.0     124.0
2018-08-31  225.0  125.0     0

我知道我可以像这样使用

.loc

df.loc[df['Flag']==1，['Flag']]=。我不知道代码的右边是什么。

IIUC:

new_vals = df.lookup(df.index, df.columns[df.Flag-1])

df['Flag'] = df.Flag.mask(df.Flag>0, new_val)

注意：正如@Erfan所评论的，这也可以：

df['Flag'] = df.lookup(df.index, df.columns[df.Flag-1])

输出：

            val_1  val_2  Flag
Date                          
2018-08-27  221.0  121.0     0
2018-08-28  222.0  122.0   222
2018-08-29  223.0  123.0     0
2018-08-30  224.0  124.0   124
2018-08-31  225.0  125.0     0

---

另一种方法是使用np.where for

numpy.where（条件，是，否）

在本例中，我使用嵌套的

np

np.where（如果Flag=2，取val_2，（取x）），其中takex是另一个np.where

输出

有几种方法可以做到这一点，首先，您的初始代码非常接近，您只需结束作业：

df.loc[df['Flag'] == 1, 'Flag'] = df['val_1']
print(df)
         Date  val_1  val_2   Flag
0  2018-08-27  221.0  121.0    0.0
1  2018-08-28  222.0  122.0  222.0
2  2018-08-29  223.0  123.0    0.0
3  2018-08-30  224.0  124.0    2.0
4  2018-08-31  225.0  125.0    0.0

这里要做的是过滤数据帧并替换条件匹配的值。在这种情况下，Flag等于1

由于您正在进行多重分配，让我们使用
np。选择

import numpy as np
conditions = [df['Flag'].eq(1),
             df['Flag'].eq(2)]


choices = [df['val_1'],df['val_2']]

df['Flag'] = np.select(conditions,choices,default=df['Flag'])

这样做的目的是评估你所有的条件。保留默认值作为原始列。您可以在中添加更多条件，并使用|（管道）seprerators在parenths中包装或语句。i、 e
[（df['Flag']==1 | df['Flag']==2）]

不需要
掩码
，对吗？查找已经足够了。@显然，您是对的。这仅仅是因为
Flag
是
-1
-th column:-）。现在我使用的是简单的单行解决方案@wwnde，但我非常喜欢你对更复杂条件的选择。
np。选择
比两个嵌套的
np好。其中
感谢@Quang Hoang，当然是向最好的人学习，绝对谦卑。我现在知道了！