Python 基于条件提取列值

我有以下数据帧

df = pd.DataFrame({
    'Column_1': ['Position', 'Start', 'End', 'Position'], 
    'Original_1': ['Open', 'Barn', 'Grass', 'Bubble'], 
    'Latest_1': ['Shut', 'Horn', 'Date', 'Dinner'], 
    'Column_2': ['Start', 'Position', 'End', 'During'], 
    'Original_2': ['Sky', 'Hold', 'Car', 'House'], 
    'Latest_2': ['Pedal', 'Lap', 'Two', 'Force'], 
    'Column_3': ['Start', 'End', 'Position', 'During'], 
    'Original_3': ['Leave', 'Dog', 'Block', 'Hope'], 
    'Latest_3': ['Sear', 'Crawl', 'Enter', 'Night']
})

对于单词位置位于“Column_1”、“Column_2”或“Column_3”中的每个实例，我希望捕获“Original_1”、“Original_2”、“Original_3”中的关联值，并将它们分配给名为“Original_values”的新列

下面的代码可以实现这一点，但只能在逐列的基础上实现

df['Original_Value1'] = df.loc[df['Column_1'] == 'Position', 'Original_1']
df['Original_Value2'] = df.loc[df['Column_2'] == 'Position', 'Original_2']
df['Original_Value3'] = df.loc[df['Column_3'] == 'Position', 'Original_3']

有没有办法重新创建上述代码，使其在整个数据帧上迭代（而不是通过指定的列）

我希望创建一列（“原始值”），结果如下：

0      Open
1      Hold
2     Block
3    Bubble
Name: Original_Values, dtype: object

一种方法是：

df.apply（）

的

axis=1

参数导致对数据帧的每行调用一次

choose\u orig（）

函数

请注意，当没有一列与单词

'Position'

匹配时，这将使用空字符串的默认值，

'

，一种方法是：

df.apply（）

的

axis=1

参数导致对数据帧的每行调用一次

choose\u orig（）

函数

---

注意，当没有一列与单词

'Position'
匹配时，这将使用空字符串的默认值
'
，这里有一种很愚蠢的方法来进行一些堆叠，如果您有一个非常大的
df
并且需要避免
axis=1
，这可能会执行得更好


堆叠前三列以创建索引列表，以及该值对应的
'Original'
列
堆叠要从中获取值的列。使用上面的列表对其重新编制索引，以便返回适当的值
根据原始行索引将这些值恢复到原始
df


代码如下：

import re

mask_list = ['Column_1', 'Column_2', 'Column_3']
val_list = ['Original_1', 'Original_2', 'Original_3']

idx = df[mask_list].stack()[df[mask_list].stack() == 'Position'].index.tolist()
idx = [(x , re.sub('(.*_)', 'Original_', y)) for x, y in idx]

df['Original_Values'] = df[val_list].stack().reindex(idx).reset_index(level=1).drop(columns='level_1')

df
现在是：

   Column_1  Column_2  Column_3 ... Original_Values
0  Position     Start     Start ...            Open
1     Start  Position       End ...            Hold
2       End       End  Position ...           Block
3  Position    During    During ...          Bubble

如果在
掩码列表
的任何列中都找不到
“位置”
，则该行的
原始值
将变为
NaN
。如果您需要将其缩放到更多列，只需将它们添加到
mask_list
和
val_list
这里有一种愚蠢的方法，可以通过一些堆叠来实现，如果您有一个非常大的
df
并且需要避免
axis=1
，那么它的性能可能会更好


堆叠前三列以创建索引列表，以及该值对应的
'Original'
列
堆叠要从中获取值的列。使用上面的列表对其重新编制索引，以便返回适当的值
根据原始行索引将这些值恢复到原始
df


代码如下：

import re

mask_list = ['Column_1', 'Column_2', 'Column_3']
val_list = ['Original_1', 'Original_2', 'Original_3']

idx = df[mask_list].stack()[df[mask_list].stack() == 'Position'].index.tolist()
idx = [(x , re.sub('(.*_)', 'Original_', y)) for x, y in idx]

df['Original_Values'] = df[val_list].stack().reindex(idx).reset_index(level=1).drop(columns='level_1')

df
现在是：

   Column_1  Column_2  Column_3 ... Original_Values
0  Position     Start     Start ...            Open
1     Start  Position       End ...            Hold
2       End       End  Position ...           Block
3  Position    During    During ...          Bubble

如果在
掩码列表
的任何列中都找不到
“位置”
，则该行的
原始值
将变为
NaN
。如果需要将其缩放到更多列，只需将它们添加到
mask_list
和
val_list
如何使用前3列创建一个掩码（或指定其名称），然后将其与第6列到第9列中的值相乘（或指定名称）。然后取max（）值以删除nan

df['Original_Values'] = ((df.iloc[:,:3] == 'Position') * df.iloc[:,6:9].values).max(1)

print(df['Original_values'])

返回：

0      Open
1      Hold
2     Block
3    Bubble
Name: Original_Value, dtype: object

用前3列（或指定它们的名称）创建一个掩码，然后将其与第6到9列中的值相乘（或指定它们的名称），怎么样。然后取max（）值以删除nan

df['Original_Values'] = ((df.iloc[:,:3] == 'Position') * df.iloc[:,6:9].values).max(1)

print(df['Original_values'])

返回：

0      Open
1      Hold
2     Block
3    Bubble
Name: Original_Value, dtype: object

这和你昨天的问题一样吗？我想这是你需要解释为什么要这样做的问题。我认为这些问题缺乏背景知识，无法理解您希望在何处应用代码。这与您昨天的问题相同吗？我认为这是您需要解释为什么要这样做的问题。我认为这个问题缺乏上下文来理解您想在哪里应用代码。