有没有办法引用在 for 循环中结构相同的问题?

Question

我想在 for 循环中调用结构相同的子问题列表(例如 E1_1、E1_2、E1_3 等(。我的目标是根据受访者是否表示他们应该回答主要问题(例如，如果 df['EOPS'] 等于 1，这意味着受访者表示他们正在回答"E"问题(以及如果他们没有回答主要问题(例如，如果"E1"没有被回答，"E1_1"、"E1_2"、"E1_3"等应重新编码为 NaN(

法典：

df = pd.DataFrame([[1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], columns=['EOPS', 'E1', 'E1_1', 'E1_2', 'E1_3', 'E2', 'E2_1', 'E2_2', 'E2_3', 'E3', 'E3_1', 'E3_2', 'E3_3'])
list_of_questions = ['E1', 'E2', 'E3'] # each question in list has associated questions 'E1_1', 'E1_2', 'E1_3', 'E2_1', 'E2_2', 'E2_3', etc.
for question in list_of_questions:
for i in range(1,3):
if df['E1'] == 0 & df['EOPS'] == 1:
df['E1_`i''] = np.where(data_final['E1_`i''] == 0, None, data_final['E1_`i''])

如何调用此循环中的子问题？对于那些熟悉 Stata 的人来说，这将使用`'引号来完成，就像我上面在i所做的那样，但我想知道是否可以在 Python 中完成同样的事情。

我希望实现的是：

df = pd.DataFrame([[1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1, None, None, None, None, None, None, None, None, None, None, None, None]], columns=['EOPS', 'E1', 'E1_1', 'E1_2', 'E1_3', 'E2', 'E2_1', 'E2_2', 'E2_3', 'E3', 'E3_1', 'E3_2', 'E3_3'])

谢谢！

Answer 1

无需循环，我们可以利用.any和.loc就地分配给您的列

例如

import numpy as np    
cols = df.iloc[:,1:].columns.tolist()
df.loc[((df[cols] == 0).all(axis=1)) & (df['EOPS'] == 1), cols] = np.nan

选择列的另一种方法：

cols = df.filter(regex='Ed+').columns

---

结果：

EOPS   E1  E1_1  E1_2  E1_3   E2  E2_1  E2_2  E2_3   E3  E3_1  E3_2  E3_3
0     1  1.0   0.0   1.0   1.0  1.0   0.0   1.0   1.0  1.0   0.0   1.0   1.0
1     0  0.0   0.0   0.0   0.0  0.0   0.0   0.0   0.0  0.0   0.0   0.0   0.0
2     1  NaN   NaN   NaN   NaN  NaN   NaN   NaN   NaN  NaN   NaN   NaN   NaN

Answer 2

根据您的问题不完全确定，但我怀疑您正在寻找zip：

a = [1,2,3]
b = ["a", "b", "c"]
for x, y in zip(a, b):
print(x, y)

将给予：

1 a
2 b
3 c

另一种在没有zip的情况下给出相同结果的方法(您应该使用zip，但迭代器通常更好(：

a = [1,2,3]
b = ["a", "b", "c"]
for i, x in enumerate(a):
print(x, b[i])