Python 基于多个条件的dataframe条件列是否仅在第一个条件下工作？

我有一个类似这样的数据框：（还有大约100个与我的条件列计算无关的列）

我需要添加一列将这些值放在一起，使其看起来像这样：

col1     col2     col3     col4
a        NaN      NaN      a
b        NaN      NaN      b
NaN      a        NaN      a
NaN      b        NaN      b
NaN      NaN      a        a
NaN      NaN      b        b

col1     col2     col3     col4
a        NaN      NaN      a
b        NaN      NaN      b
NaN      a        NaN      NaN
NaN      b        NaN      NaN
NaN      NaN      a        NaN
NaN      NaN      b        NaN

我尝试使用类似的方法（在其他条件下也适用，例如搜索特定字符串）：

但是，这只执行第一个测试条件并将其余的设置为NaN，即使我将else条件设置为将其余的设置为空字符串。看起来是这样的：

col1     col2     col3     col4
a        NaN      NaN      a
b        NaN      NaN      b
NaN      a        NaN      a
NaN      b        NaN      b
NaN      NaN      a        a
NaN      NaN      b        b

col1     col2     col3     col4
a        NaN      NaN      a
b        NaN      NaN      b
NaN      a        NaN      NaN
NaN      b        NaN      NaN
NaN      NaN      a        NaN
NaN      NaN      b        NaN

有人能解释一下为什么这不起作用（以及这些类型的“函数”叫什么？）

编辑：为了澄清，还有其他列，但我不关心它们在计算

'col4'

堆栈和
groupby
与
first

argmin
和
lookup

numpy.选择
让我们试试看

df['col4']=df.bfill(1).iloc[:,0]
df
Out[107]: 
  col1 col2 col3 col4
0    a  NaN  NaN    a
1    b  NaN  NaN    b
2  NaN    a  NaN    a
3  NaN    b  NaN    b
4  NaN  NaN    a    a
5  NaN  NaN    b    b

如果我有大约100个其他列，并且我想选择相关的列，而不必找到它们的索引，那么这些如何工作？最后一个看起来太复杂了…创建一个新的数据框
df\u new=df[columns\u I\u care\u about]
。第一个概念是df.assign（col4=df[columns\u I\u care\u about].stack（）.groupby（level=0）.first（））

谢谢！成功了！我想更多地了解它是如何工作的。您能解释一下为什么使用stack（）部分吗？我假设groupby是基于相关列将列水平折叠为非Null，如果有多个非Null列，则首先从左到右选择第一个实例？如果，假设所有三列都有非null，并且我希望col2优先于其他列呢？通过

stack

消除null是巧合<在

groupby

之后的code>first无论如何都会选择第一个非空值。我使用了

stack

，因为从语法上讲，在之后做

groupby（level=0）

比较方便。否则我必须做一些讨厌的事情，比如

df.assign（col4=df.groupby（lambda x:0，axis=1）.first（））

这也可以，但是bfill（1）1参数做什么，为什么需要iloc？

a = df.isna().to_numpy()
j = a.argmin(axis=1)
df.assign(col4=df.lookup(df.index, df.columns[j]))

  col1 col2 col3 col4
0    a  NaN  NaN    a
1    b  NaN  NaN    b
2  NaN    a  NaN    a
3  NaN    b  NaN    b
4  NaN  NaN    a    a
5  NaN  NaN    b    b

conditions = df.notna().to_numpy().T
selections = [c.to_numpy() for _, c in df.iteritems()]
df.assign(col4=np.select(conditions, selections))

  col1 col2 col3 col4
0    a  NaN  NaN    a
1    b  NaN  NaN    b
2  NaN    a  NaN    a
3  NaN    b  NaN    b
4  NaN  NaN    a    a
5  NaN  NaN    b    b

df['col4']=df.bfill(1).iloc[:,0]
df
Out[107]: 
  col1 col2 col3 col4
0    a  NaN  NaN    a
1    b  NaN  NaN    b
2  NaN    a  NaN    a
3  NaN    b  NaN    b
4  NaN  NaN    a    a
5  NaN  NaN    b    b