lambda上的数据框行与列相互作用

Question

我正在尝试将其应用于我的数据帧：每行：

• 如果row ['cola'] =='none'，然后row ['cola'] = row ['colx']
• elif row ['cola']！='none'＆amp;行['colb'] =='none'，然后行['colb'] = row ['colx']

等等。我正在尝试使用lambda函数进行此操作：

dataframe.apply(lambda row: row['colA']=row['result'] if row['colA']=='NONE' else (row['colB']=row['result'] if row['colA']!='NONE' & row['colB']!='NONE'),axis=0)

但是当然不起作用。有没有办法做类似的事情？如果没有，我可以通过列务逻辑运行列来解决它，但我想知道是否有一种更快的方法。

谢谢

Answer 1

可能是（最好始终将一些示例数据发布以测试）：

df=df.replace('NONE',np.nan)
df['colA']=df['colA'].fillna(df['colX'])
df['colB']=np.where(df['colA'].notnull()&df['colB'].isnull(),df['colB'].fillna(df['colX']),df['colB'])
#alternative for above line->
#df.loc[df.colA.notnull()&df.colB.isnull(),'colB']=df.loc[df.colA.notnull()&df.colB.isnull(),'colB'].fillna(df['colX'])

Answer 2

如果 NONE是 string s比较布尔蒙版，则 ~用于倒置蒙版，并通过 loc设置值：

df = pd.DataFrame({'colA':['NONE', 'A', 'NONE', 'D'],
                   'colB':['NONE', 'B', 'C', 'NONE'],
                   'colX':['a','b','c','d']})
print (df)
   colA  colB colX
0  NONE  NONE    a
1     A     B    b
2  NONE     C    c
3     D  NONE    d
m1 = df['colA']=='NONE'
m2 = ~m1 & (df['colB']=='NONE')
df.loc[m1, 'colA'] = df.loc[m1, 'colX']
df.loc[m2, 'colB'] = df.loc[m2, 'colX'] 
print (df)
  colA  colB colX
0    a  NONE    a
1    A     B    b
2    c     C    c
3    D     d    d

，如果NONE是None或NaN（缺少值）更改布尔面具：

df = pd.DataFrame({'colA':[None, 'A',None, 'D'],
                   'colB':[None, 'B', 'C', None],
                   'colX':['a','b','c','d']})
print (df)
   colA  colB colX
0  None  None    a
1     A     B    b
2  None     C    c
3     D  None    d
m1 = df['colA'].isnull()
m2 = ~m1 & df['colB'].isnull()
df.loc[m1, 'colA'] = df.loc[m1, 'colX']
df.loc[m2, 'colB'] = df.loc[m2, 'colX'] 
print (df)
  colA  colB colX
0    a  None    a
1    A     B    b
2    c     C    c
3    D     d    d