如何根据条件从 2 个列表中向 pandas 添加新列

Question

我有一个熊猫数据框import pandas as pddf = pd.DataFrame({'col_a' : [1,2,3], 'col_b':[2,3,4]})我还列出了 4 个清单：index_list_a = [0,2]value_list_a = ['a', 'c']index_list_b = [1]value_list_b = ['b']我想添加一个新列，df它将从 或 中获取值value_list_a，value_list_b具体取决于索引是否位于index_list_a或index_list_b我尝试了这个，但它不起作用：df[df.index.isin(index_list_a)]['col_f'] = value_list_adf[df.index.isin(index_list_b)]['col_f'] = value_list_b

Answer 1

你可以试试：

s =pd.Series(dict(zip(index_list_a+index_list_b,value_list_a+value_list_b)),name='colF')

#s=pd.Series(data=value_list_a+value_list_b,index=index_list_a+index_list_b,name='colF')

out = df.join(s)

   col_a  col_b colF

0      1      2    a

1      2      3    b

2      3      4    c

Answer 2

这不是最有效的方法，但它非常可读且易于遵循：

import pandas as pd

df = pd.DataFrame({'col_a' : [1,2,3], 'col_b':[2,3,4]})

index_list_a = [0,2]

value_list_a = ['a', 'c']

index_list_b = [1]

value_list_b = ['b']

for index, value in zip(

    index_list_a + index_list_b,

    value_list_a + value_list_b

):

    df.loc[index, 'col_f'] = value

    

print(df)

   col_a  col_b col_f

0      1      2     a

1      2      3     b

2      3      4     c

其单行且更高效的版本是（正如 @Shubham Sharma 所指出的）：

df.loc[index_list_a + index_list_b, 'col_f'] =  value_list_a + value_list_b

Answer 3

首先，您必须更改分配部分以使用 loc 并为 col_f 添加占位符

df['col_f'] = np.nan

df.loc[df.index.isin(index_list_a),"col_f"] = value_list_a

其次我认为你有错误。你的代码有索引[1,3]，但python从0开始。

index_list_a = [0,2]

value_list_a = ['a', 'c']

import pandas as pd

import numpy as np

df = pd.DataFrame({'col_a' : [1,2,3], 'col_b':[2,3,4]})

index_list_a = [0,2]

value_list_a = ['a', 'c']

index_list_b = [2]

value_list_b = ['b']

df['col_f'] = np.nan

df.loc[df.index.isin(index_list_a),"col_f"] = value_list_a

但是如果你想要一个通用的解决方案并且 [1,3] 是故意的，你可以使用下面的函数

def create_intersect(x,y,z):

    common = list(set(x).intersection(set(y)))

    for i in range(len(y)):

        if y[i] not in common:

            y.pop(i); z.pop(i);

    return y,z

这允许您预先消除数据框中不存在的任何索引

import pandas as pd

import numpy as np

def create_intersect(x,y,z):

    common = list(set(x).intersection(set(y)))

    for i in range(len(y)):

        if y[i] not in common:

            y.pop(i); z.pop(i);

    return y,z

df = pd.DataFrame({'col_a' : [1,2,3], 'col_b':[2,3,4]})

index_list_a,value_list_a = create_intersect(df.index, [1,3], ['a', 'c'])

df['col_f'] = np.nan

df.loc[df.index.isin(index_list_a),"col_f"] = value_list_a