计算非空列的数量，然后选择非空列-python

Question

我正在可能的列中搜索值。我能找到有火柴的地方。然后，我的挑战变成了如何选择非空列。

import pandas as pd
import numpy as np
data = {"Search1":["one_two","two_ten", "five_ten"],
"Search2":["three_four","one_four","two_twelve"],
"FindMe":["three","one","nine"],
"FindMe2":["five","two","nine"]}
df =pd.DataFrame(data)
df["Found1"] = np.where(df.apply(lambda x: str(x.FindMe) in str(x.Search1), axis =1) ==1, df.Search1,
np.where(df.apply(lambda x: str(x.FindMe) in str(x.Search2), axis =1) ==1, df.Search2,""))
df["Found2"] = np.where(df.apply(lambda x: str(x.FindMe2) in str(x.Search1), axis =1) ==1, df.Search1,
np.where(df.apply(lambda x: str(x.FindMe2) in str(x.Search2), axis =1) ==1, df.Search2,""))
#sum of founds
df["Want_Sum"] = [1,2,0]
#return value where not blank
#second is blank because there are two options in Found 1 and Found2
df["Value_of_Found"] = ["three_four", "", ""]
print(df)

我想对Found1和Found2的非空列求和，当这等于1时，取填充的列。

我发布了另一个关于如何编写Found1代码的问题。

Answer 1

如果我理解您正在尝试的内容，那么您可以使用嵌套的np.where():

np.where((df['Found1'].str.len() > 0) ^ (df['Found2'].str.len() > 0), 
np.where((df['Found1'].str.len() > 0), df['Found1'], df['Found2'] ), '' )

结果：

array(['three_four', '', ''], dtype=object)

您可以将分配给列

df['Filled'] = np.where(...)

以下是有关其工作原理的更多详细信息

CCD_ 2是这个答案的基本组成部分。它根据条件返回两个不同值中的一个。如果条件为true，则返回第一个值；如果条件为false，则返回第二个值。

np.where(condition, value-if-true, value-if-false)

这个答案包含一个嵌套的np.where()语句。如果上面的值为true，则另一个np.where()将替换该值。

np.where(condition, np.where(condition, value-if-true, value-if-false), value-if-false)

第一个条件使用exclusive或logic检查Found1和Found2的长度是否不同。

(df['Found1'].str.len() > 0) ^ (df['Found2'].str.len() > 0)

如果它们不同，那么这意味着我们需要选择len>0通过嵌套的np.where():

np.where((df['Found1'].str.len() > 0), df['Found1'], df['Found2'] )

Answer 2

这里有一个可以轻松扩展到多列的解决方案。使用filter和regex='Foundd'来选择数据帧中找到的所有列。沿列检查不等于(ne(和sum以获得Want_Sum列。对于Value_of_Found列，仅当总和为1时，则可以执行np.where，如果Want_sum等于1，则沿列获取maxFound-else空字符串。

df['Want_Sum'] = df.filter(regex='Foundd').ne('').sum(axis=1)
df["Value_of_Found"] = np.where(df['Want_Sum'].eq(1), 
df.filter(regex='Foundd').max(axis=1), 
'')
print(df)
Search1     Search2 FindMe FindMe2      Found1   Found2  Want_Sum  
0   one_two  three_four  three    five  three_four                  1   
1   two_ten    one_four    one     two    one_four  two_ten         2   
2  five_ten  two_twelve   nine    nine                              0   
Value_of_Found  
0     three_four  
1                 
2