根据 pandas 中的条件对数据列进行切片

Question

我有df,

    A    B
0   a    1.0
1   b,c  2.0
2
3   c,d  NaN

我正在尝试切片 df["A"] when df["B"] is NaN or empty space " " ，我通过 (,) 切片失败请帮助我实现它，我想要的输出是，

out_df,

    A    B
0   a    1.0
1   b,c  2.0
2
3   c    NaN

Answer 1

我相信你需要用 | 链接的条件，但是为了检查多个空格，最好先将列转换为 string（因为可能的混合类型 - 数字和字符串），然后 strip 用于将一个或多个空格转换为空字符串：

df = df.loc[df['B'].isnull() | (df['B'].astype(str).str.strip() == ''),  'A']
print (df)
2       
3    c,d
Name: A, dtype: object

str.match 的替代解决方案：

df = df.loc[df['B'].isnull() | (df['B'].astype(str).str.match('\s+')),  'A']

编辑：

df['A'] = df['A'].mask(df['B'].isnull() | (df['B'].astype(str).str.strip() == ''), 
                       df['A'].str.split(',').str[0])
print (df)
     A    B
0    a  1.0
1  b,c  2.0
2          
3    c  NaN

Answer 2

使用 np.where 即

df['new'] = np.where((pd.isnull(df['B']))|(df['B']==''), df['A'].str.split(',').str[0], df['A'])

或df.where即

df['A'].where((pd.notnull(df['B']))|(df['B']==''), df['A'].str.split(',').str[0])

    A    B  new
0    a    1    a
1  b,c    2  b,c
2               
3  c,d  NaN    c

根据 pandas 中的条件对数据列进行切片

slicing a datacolumn based on a condition in pandas

python

data-analysis

dataframe

pandas