对于多个 if/then，评估数据帧中的列值并有条件地修改另一个列值的最佳方法是什么？

Question

我有一个数据框(1580行x 48列)，其中每列包含问题的答案，但不是每一行都包含每个问题的答案(留下它NaN)。问题组是相关的，我想把问题组的答案列成新的列(c_answers和i_answers)。我已经为每组问题生成了正确答案的列表。下面是一个数据示例:

ex_df = pd.DataFrame([["a", "b", "d"],[np.nan, "a", "b"], ["c", "e", np.nan]], columns=["q1", "q2", "q3"])
correct_answers = ["a", "b", "c"]
ex_df

生成以下数据帧:

q1   q2   q3
0   a    b    d
1  NaN   a    b
2   e    c   NaN

理想情况下，我想要做的是创建一个函数，该函数将对每列进行评分，并且对于一行(出现在correct_answers列表中)的每个正确答案，它将使c_answers列增加1，对于不在correct_answers中的每个答案，它将使i_answers列增加1，但如果提供的答案是NaN，它将不这样做(不计算为正确或不正确)。然后可以将此函数应用于每组问题，计算该组每行正确和错误答案的数量。

我能够取得一点进展的是这样的东西:

ex_df['q1score'] = np.where(ex_df['q1'].isna(), np.nan, 
np.where(ex_df['q1'].isin(correct_answers), 1, 100))

更新数据帧如下:

q1   q2   q3   q1score
0   a    b    d    1.0
1  NaN   a    b    NaN
2   e    c   NaN   100.0

然后我可以重新使用这段代码将q2和q3分出到它们自己的新列中，然后我可以将其汇总到一个新列中，然后从那个列中，我可以生成另外两个列，它们可以从该总和中计算正确和不正确的分数。最后，我可以返回并删除我创建的其他4列，只保留我一开始想要的两个列。

在过去的两个小时里，我四处看看，尝试了不同的方法，我找到了很多解决我正在努力解决的不同问题的答案，但没有一种方法能真正适用于我的情况。也许我拼凑的解决方案是最好的，但我对编程还是比较陌生(18个月)，它似乎不是解决这个问题的最有效或最python化的方法。希望别人有更好的答案。谢谢你！

编辑输出的更多信息:关于我想要的最终输出，我想要像这样的东西:

q1   q2   q3   c_answers  i_answers
0   a    b    d    2          1
1  NaN   a    b    2          0
2   e    c   NaN   1          1

就像我说的，我可以使用嵌套的np.where()来创建数字列，然后我可以总结并反向工程以从中获得原始计数。虽然这是一个解决方案，但它很麻烦，看起来可能不是最佳解决方案，特别是涉及到重复的数量(我必须为9组不同的列执行此过程，每组都是一组问题)。

Answer 1

使用sum来计算True的每一行正确和不正确的值:

m1 = ex_df.isin(correct_answers)
m2 = ex_df.notna() & ~m1
df = ex_df.assign(c_answers=m1.sum(axis=1), i_answers=m2.sum(axis=1))
print (df)
q1 q2   q3  c_answers  i_answers
0    a  b    d          2          1
1  NaN  a    b          2          0
2    c  e  NaN          1          1

多组的可能解决方案:

groups = {'g1':['q1','q2'], 'g2':['q2','q3'], 'g3':['q1','q2','q3']}
for k, v in groups.items():
m1 = ex_df[v].isin(correct_answers)
m2 = ex_df[v].notna() & ~m1

ex_df = ex_df.assign(**{f'c_answers_{k}':m1.sum(axis=1), 
f'i_answers_{k}':m2.sum(axis=1)})
print (ex_df)
q1 q2   q3  c_answers_g1  i_answers_g1  c_answers_g2  i_answers_g2  
0    a  b    d             2             0             1             1   
1  NaN  a    b             1             0             2             0   
2    c  e  NaN             1             1             0             1   
c_answers_g3  i_answers_g3  
0             2             1  
1             2             0  
2             1             1