Python 使用列中的二进制值连接列名

目前，我有一个数据帧，如下所示：

date          A    B   C
02/19/2020    0    0   0 
02/20/2020    0    0   0
02/21/2020    1    1   1
02/22/2020    0    1   0
02/23/2020    0    1   1
02/24/2020    0    0   1
02/25/2020    1    0   1
02/26/2020    1    0   0

二进制列包含整数。“date”列是一个DateTime对象。我想创建一个基于二进制列的新分类列，如下所示

date          A    B   C   new
02/19/2020    0    0   0   "None"
02/20/2020    0    0   0   "None"
02/21/2020    1    1   1   A+B+C
02/22/2020    0    1   0   B
02/23/2020    0    1   1   B+C
02/24/2020    0    0   1   C
02/25/2020    1    0   1   A+C
02/26/2020    1    0   0   A

如何实现这一点？

使用矩阵乘法与列名称进行乘法，在中按位置省略第一列，在没有第一列和最后一列的列名称中添加分隔符通过索引

str[：-1]

：

df['new'] = df.iloc[:, 1:].dot(df.columns[1:] + '+').str[:-1]
#set empty string to None
df.loc[df['new'].eq(''), 'new'] = None
print (df)
         date  A  B  C    new
0  02/19/2020  0  0  0   None
1  02/20/2020  0  0  0   None
2  02/21/2020  1  1  1  A+B+C
3  02/22/2020  0  1  0      B
4  02/23/2020  0  1  1    B+C
5  02/24/2020  0  0  1      C
6  02/25/2020  1  0  1    A+C
7  02/26/2020  1  0  0      A

如果可能，使用

NaN

s代替

None

s：

df['new'] = df.iloc[:, 1:].dot(df.columns[1:] + '+').str[:-1].replace('', np.nan)

print (df)
         date  A  B  C    new
0  02/19/2020  0  0  0    NaN
1  02/20/2020  0  0  0    NaN
2  02/21/2020  1  1  1  A+B+C
3  02/22/2020  0  1  0      B
4  02/23/2020  0  1  1    B+C
5  02/24/2020  0  0  1      C
6  02/25/2020  1  0  1    A+C
7  02/26/2020  1  0  0      A

或者，如果可能，将第一列设置为

DatetimeIndex

使用：

df1 = df.set_index('date')
df1['new'] = df1.dot(df1.columns + '+').str[:-1]
df1.loc[df1['new'].eq(''), 'new'] = None

用于矩阵与列名称相乘，在中按位置省略第一列，为没有第一列和最后一列的列名称添加分隔符通过索引

str[：-1]

：

df['new'] = df.iloc[:, 1:].dot(df.columns[1:] + '+').str[:-1]
#set empty string to None
df.loc[df['new'].eq(''), 'new'] = None
print (df)
         date  A  B  C    new
0  02/19/2020  0  0  0   None
1  02/20/2020  0  0  0   None
2  02/21/2020  1  1  1  A+B+C
3  02/22/2020  0  1  0      B
4  02/23/2020  0  1  1    B+C
5  02/24/2020  0  0  1      C
6  02/25/2020  1  0  1    A+C
7  02/26/2020  1  0  0      A

如果可能，使用

NaN

s代替

None

s：

df['new'] = df.iloc[:, 1:].dot(df.columns[1:] + '+').str[:-1].replace('', np.nan)

print (df)
         date  A  B  C    new
0  02/19/2020  0  0  0    NaN
1  02/20/2020  0  0  0    NaN
2  02/21/2020  1  1  1  A+B+C
3  02/22/2020  0  1  0      B
4  02/23/2020  0  1  1    B+C
5  02/24/2020  0  0  1      C
6  02/25/2020  1  0  1    A+C
7  02/26/2020  1  0  0      A

或者，如果可能，将第一列设置为

DatetimeIndex

使用：

df1 = df.set_index('date')
df1['new'] = df1.dot(df1.columns + '+').str[:-1]
df1.loc[df1['new'].eq(''), 'new'] = None

---

您可以迭代Dataframe来计算新的列值，然后添加它

这是一个基本的例子

new_column = []
for i, row in df.iterrows():
    row_val = None

    if row["A"]:
       if row_val:
          row_val += "+A"
       else:
          row_val = "A"

    if row["B"]:
       if row_val:
          row_val += "+B"
       else:
          row_val = "B"

    if row["C"]:
       if row_val:
          row_val += "+C"
       else:
          row_val = "C"
    
    if row_val is None:
       row_val = "None"
    
    new_column.append(row_val)

df["new_column_name"] = new_column

---

您可以迭代Dataframe来计算新的列值，然后添加它

这是一个基本的例子

new_column = []
for i, row in df.iterrows():
    row_val = None

    if row["A"]:
       if row_val:
          row_val += "+A"
       else:
          row_val = "A"

    if row["B"]:
       if row_val:
          row_val += "+B"
       else:
          row_val = "B"

    if row["C"]:
       if row_val:
          row_val += "+C"
       else:
          row_val = "C"
    
    if row_val is None:
       row_val = "None"
    
    new_column.append(row_val)

df["new_column_name"] = new_column