Python 用另一列的值替换dataframe子部分中的1值

我有一个热编码数据帧，例如：

|  qtd|   a |   b |  c |   d |  e | ...z|
|-----+-----+-----|----|----+-----+-----|
|  90 |   1 |   0 |  0 |   0 |  0 |   0 |
|  10 |   0 |   0 |  0 |   0 |  0 |   1 |
|  40 |   0 |   1 |  0 |   0 |  0 |   0 |
|  80 |   0 |   0 |  1 |   0 |  0 |   0 |
|  90 |   0 |   1 |  0 |   0 |  0 |   0 |

我想用

qtd

中的值替换

a

到无穷大列的值，如果列的值为1，则

a

到无穷大数据帧子帧中只有一个1值

例如：

|  qtd|   a |   b |  c |   d |  e | ...z|
|-----+-----+-----|----|----+-----+-----|
|  90 |  90 |   0 |  0 |   0 |  0 |   0 |
|  10 |   0 |   0 |  0 |   0 |  0 |  10 |
|  40 |   0 |  40 |  0 |   0 |  0 |   0 |
|  80 |   0 |   0 | 80 |   0 |  0 |   0 |
|  90 |   0 |  90 |  0 |   0 |  0 |   0 |

---

您可以选择所有不带“第一个”和“多个”列的列，包括：

如果列不总是第一个，则可以按获取列名称并按子集选择：

cols = df.columns.difference(['qtd'])
df[cols] = df[cols].mul(df['qtd'], axis=0)

如果第一列是索引：

df = df.mul(df.index, axis=0)
print (df)
      a   b   c  d  e   z
qtd                      
90   90   0   0  0  0   0
10    0   0   0  0  0  10
40    0  40   0  0  0   0
80    0   0  80  0  0   0
90    0  90   0  0  0   0

---

您可以选择所有不带“第一个”和“多个”列的列，包括：

如果列不总是第一个，则可以按获取列名称并按子集选择：

cols = df.columns.difference(['qtd'])
df[cols] = df[cols].mul(df['qtd'], axis=0)

如果第一列是索引：

df = df.mul(df.index, axis=0)
print (df)
      a   b   c  d  e   z
qtd                      
90   90   0   0  0  0   0
10    0   0   0  0  0  10
40    0  40   0  0  0   0
80    0   0  80  0  0   0
90    0  90   0  0  0   0

---

这里是

numpy

广播方式

df.values[:,1:]*=df.qtd[:,None]
df
Out[461]: 
   qtd   a   b   c  d  e   z
0   90  90   0   0  0  0   0
1   10   0   0   0  0  0  10
2   40   0  40   0  0  0   0
3   80   0   0  80  0  0   0
4   90   0  90   0  0  0   0

---

这里是

numpy

广播方式

df.values[:,1:]*=df.qtd[:,None]
df
Out[461]: 
   qtd   a   b   c  d  e   z
0   90  90   0   0  0  0   0
1   10   0   0   0  0  0  10
2   40   0  40   0  0  0   0
3   80   0   0  80  0  0   0
4   90   0  90   0  0  0   0

---

所以您需要

np.where（）

。想必你做了研究，但有些东西没有；不工作；问题是什么？使用np.where（）的问题是我需要多个列，因此使用where似乎效率很低，因为我需要循环遍历很多列。因此您需要

np.where（）

。想必你做了研究，但有些东西没有；不工作；问题是什么？使用np.where（）的问题是，我需要执行多个列，因此使用where似乎效率很低，因为我需要循环执行许多列。