Python 检查多个列中是否存在字符串，并向多个列中的单独列提供输出

我的数据框架如下所示：

    col1  col2  col3  col4
0   a-I    -     -    12.4
1   -      a-I   -    2.6
2   a-I    -     a-I  23
3   -      a-I   a-I  4
4   -      -     a-I  5
5   a-I    a-I   -    6.245
6   -      a     a    7.23
7   a      a     -    8

我想要的是检查每列中是否存在

I

，而不是使用

-

拆分字符串生成

res

列。有人知道怎么做吗

预期结果如下：

    col1  col2  col3  col4 res
0   a-I    -     -    12.4  I 
1   -      a-I   -    2.6   I
2   a-I    -     a-I  23    I
3   -      a-I   a-I  4     I
4   -      -     a-I  5     I
5   a-I    a-I   -    6.245 I
6   -      a     a    7.23  -
7   a      a     -    8     -

设置

如果在数据帧中除了

str

之外还有其他数据类型，则需要将所有提到的

df

替换为

df.astype（str）

使用

numpy.where

和

str.contains

使用列表理解： 列表理解通常比内置的

pandas

string方法更快：

df.assign(res=['I' if 'I' in row else '-' for row in df.values.sum(1)])

---

两者都产生：

 col1 col2 col3 res
0  a-I    -    -   I
1    -  a-I    -   I
2  a-I    -  a-I   I
3    -  a-I  a-I   I
4    -    -  a-I   I
5  a-I  a-I    -   I
6    -    a    a   -
7    a    a    -   -

---

计时

或：

如果熊猫数据框包含字符串以外的类型，请执行以下操作：

df['res']=df.astype(str).sum(1).str.contains('I').map({False:'-',True:'I'})
print(df)

---

对于该示例，您的

res

列是什么样子的？请提供所需的输出。更新了问题。@abhi1610好的，这将返回带有新列的数据帧，但保留df不变。要直接更改df，可以编写

df['res']=np.where（df.sum（1）.str.contains（'I'），'I'，'-'）

。谢谢您的回答。但是，如果存在除

str

之外的其他类型，该怎么办？@abhi1610 Do

df.astype（str）

然后仅使用字符串索引数据帧columns@user3483203我认为我们可以使用

df.astype（str）.values来代替
df.values.astype（str）
在列表理解中给了我
类型错误：无法使用灵活类型执行reduce
感谢您的回答，但@user3483203有更好的答案。
df = pd.concat([df]*5000)

%timeit ['I' if 'I' in row else '-' for row in df.values.sum(1)]
9.29 ms ± 310 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit np.where(df.sum(1).str.contains('I'), 'I', '-')
69.4 ms ± 2.17 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df.sum(1).str.contains('I').map({False:'-',True:'I'})
83 ms ± 12.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

df['res']=df.sum(1).str.contains('I').map({False:'-',True:'I'})
print(df)

df['res']=df.astype(str).sum(1).str.contains('I').map({False:'-',True:'I'})
print(df)