使用列表根据不同的列值更改多个布尔列的值

Question

有一个值列表

weather = ['cloudy', 'sunny']

我有一个包含旧列“天气”的数据框。我们切换到 2 个具有布尔值的新列，因此需要考虑所有旧列。

这是我的数据框：

[In]
data = [['cloudy', False, False], ['sunny', False, False]]
df = pd.DataFrame(data, columns=['old', 'cloudbool', 'sunbool'])
df
[Out]
     old  cloudbool sunbool
0   cloudy  False   False
1   sunny   False   False

期望的输出：

[In]
data = [['cloudy', True, False], ['sunny', False, True]]
df = pd.DataFrame(data, columns=['old', 'cloudbool', 'sunbool'])
[Out]
    old   cloudbool sunbool
0   cloudy  True    False
1   sunny   False   True

我知道我可以做类似下面的事情，但我得到的“天气类型”列表比 2 长得多。

df.loc[df['old'] == 'cloudy', ['cloudbool']] = True

希望我正确传达了这一点。谢谢

Answer 1

让我们尝试 str.get_dummies 创建虚拟指标变量，然后 join 使用原始数据框：

df[['old']].join(df['old'].str.get_dummies().astype(bool).add_suffix('bool'))

      old  cloudybool  sunnybool
0  cloudy        True      False
1   sunny       False       True

Answer 2

我知道 get_dummies 方法是为此构建的，但另一种方法是通过列表理解创建一个系列，将 old 列中的天气值与您的bool 列名称（假设它们已经存在，如您的示例所示）。然后，将其隐藏到列表中，为将其添加到数据帧做准备。
你的名字没有直接匹配，所以我省略了最后两个字符，例如cloudy 将是 clou，而 sunny 将是 sun。我不认为任何天气的后缀都大于 2 个字符？同样，这就是为什么它不像 get_dummies 那样健壮。您还可以使您的列名与您的值相匹配，例如cloudybool 和 sunnybool:

s = df.apply(lambda x: [x['old'][:-2] in col for col in df.columns[1:]], axis=1).to_list()
df1 = pd.concat([df['old'],pd.DataFrame(s, columns=df.columns[1:])], axis=1)
df1
Out[1]: 
      old  cloudbool  sunbool
0  cloudy       True    False
1   sunny      False     True

使用列表根据不同的列值更改多个布尔列的值

Change multiple boolean columns' values based on a different columns values, using a list

python

boolean

list

pandas