获取值与多个条件匹配的列名

Question

一整天都在寻找解决问题的方法，却找不到答案。我正在尝试遵循这个主题的示例:获取列名称，其中值是pandas数据框架中的某些内容创建具有多个条件的版本。

我想提取列名(在列表下)where:

value == 4or/和value == 3
+
仅当没有4或/and 3，然后提取value == 2

的列名的例子:

data = {'Name': ['Tom', 'Joseph', 'Krish', 'John'], 'acne': [1, 4, 1, 2], 'wrinkles': [1, 3, 4, 4],'darkspot': [2, 2, 3, 4] }  
df1 = pd.DataFrame(data)  
df1

df1
"

Name    acne    wrinkles    darkspot
0   Tom     1         1            2   
1   Joseph  4         3            2
2   Krish   1         4            3
3   John    2         4            4

"

我正在寻找的结果:

df2

Name    acne    wrinkles    darkspot   problem
0   Tom     1         1            2       [darkspot]
1   Joseph  4         3            2       [acne, wrinkles]
2   Krish   1         4            3       [wrinkles, darkspot]
3   John    2         4            4       [wrinkles, darkspot]

"

我尝试使用上面提到的主题中详细介绍的lambda的apply函数，但它只能接受一个参数。如果有人能帮助我，非常感谢你的回答:)

Answer 1

可以使用布尔掩码:

problems = ['acne', 'wrinkles', 'darkspot']
m1 = df1[problems].isin([3, 4])  # main condition
m2 = df1[problems].eq(2)         # fallback condition
mask = m1 | (m1.loc[~m1.any(axis=1)] | m2)
df1['problem'] = mask.mul(problems).apply(lambda x: [i for i in x if i], axis=1)

输出:

>>> df1
Name  acne  wrinkles  darkspot               problem
0     Tom     1         1         2            [darkspot]
1  Joseph     4         3         2      [acne, wrinkles]
2   Krish     1         4         3  [wrinkles, darkspot]
3    John     2         4         4  [wrinkles, darkspot]

Answer 2

您可以使用布尔掩码来确定需要哪些列。

首先检查是否有值为3或4，如果没有，检查是否有值为2。用两个条件之间的|(或)组成复合掩模(下面的变量m)。

最后你可以NaN的假值，这样当你堆叠和groupby.agg(list)你只剩下列标签为真。

cols = ['acne', 'wrinkles', 'darkspot']
m1 = df1[cols].isin([3, 4])
# If no `3` or `4` on the rows, check if there is a `2`
m2 = pd.DataFrame((~m1.any(1)).to_numpy()[:, None] &  df1[cols].eq(2).to_numpy(),
index=m1.index, columns=m1.columns)
m = (m1 | m2)
#    acne  wrinkles  darkspot
#0  False     False      True
#1   True      True     False
#2  False      True      True
#3  False      True      True
# Assignment aligns on original DataFrame index, i.e. `'level_0'`
df1['problem'] = m.where(m).stack().reset_index().groupby('level_0')['level_1'].agg(list)

---

print(df1)
Name  acne  wrinkles  darkspot               problem
0     Tom     1         1         2            [darkspot]
1  Joseph     4         3         2      [acne, wrinkles]
2   Krish     1         4         3  [wrinkles, darkspot]
3    John     2         4         4  [wrinkles, darkspot]