다른 열의 NaN을 기반으로하는 Python 새 열

Question

저는 Python을 처음 접했고 이것이 처음으로 질문이었습니다.

다른 유사한 질문에 대한 답변을 시도했지만 여전히 상당히 혼란 스럽습니다.

나는 팬더를 이용하고 있고 여러 개의 서로 다른 SQL 테이블에서 병합과 같은 것을 보이는 dataframe 있습니다

Col_1 Col_2 Col_3 Col_4 
1  NaN  NaN  NaN 
2  Y  NaN  NaN 
3  Z  C  S 
4  NaN  B  W 

내가 col_2에는 col_3이와 Col_4의 값에 대해 걱정하지 않는다 (참고

Col_1 Col_2 Col_3 Col_4 Col_5 
1  NaN  NaN  NaN  0 
2  Y  NaN  NaN  1 
3  Z  C  S  1 
4  NaN  B  W  1 

:이 난 그냥이 열 중 하나 이상이 같은 다섯 번째 열을 원하는 이상적으로 채워지고 신경

컬럼에 따라 문자열이나 정수 또는 객체) 될 수 있습니다 0

그런 다음 Col_2 열을 Col_4로 놓을 것입니다.

초기 생각은 아래 함수와 비슷하지만 데이터 프레임이 50000 행에서 50 행으로 줄었습니다. 행을 삭제하고 싶지 않습니다.

def function(row): 
    if (isnull.row['col_2'] and isnull.row['col_3'] and isnull.row['col_3'] is None): 
     return '0' 
    else: 
     return '1' 

df['col_5'] = df.apply(lambda row: function (row),axis=1) 

모든 도움을 주시면 감사하겠습니다.

는

Answer 1

사용 any 및 행이 많다는이 0에 1과 False 값으로 모든 True 값을 변환합니다 int로 변환 부울 배열을 생성합니다 테스트 PARAM axis=1을 통과,이 훨씬 빠르게 apply를 호출하는 것보다 될 것이다을 것입니다 행 방향으로 반복하고 매우 느려질 수 :

In [34]: 

any(df[df.columns[1:]].notnull(), axis=1) 
Out[34]: 
array([False, True, True, True], dtype=bool) 

: 여기

In [30]: 

df['Col_5'] = any(df[df.columns[1:]].notnull(), axis=1).astype(int) 
df 
Out[30]: 
    Col_1 Col_2 Col_3 Col_4 Col_5 
0  1 NaN NaN NaN  0 
1  2  Y NaN NaN  1 
2  3  Z  C  S  1 
3  4 NaN  B  W  1 

In [31]: 

df = df[['Col_1', 'Col_5']] 
df 
Out[31]: 
    Col_1 Col_5 
0  1  0 
1  2  1 
2  3  1 
3  4  1 

이 any의 출력입니다

타이밍 df 명령 내 방법은 빨리 다른 응답에 비해 2 배 이상이 크기에 대한 테스트 데이터에 따라서

In [35]: 

%timeit df[df.columns[1:]].apply(lambda x: all(x.isnull()) , axis=1).astype(int) 
%timeit any(df[df.columns[1:]].notnull(), axis=1).astype(int) 
100 loops, best of 3: 2.46 ms per loop 
1000 loops, best of 3: 1.4 ms per loop 

업데이트는 팬더 버전 0.12.0을 실행으로

최상위 레벨 notnull을 호출해야합니다. 해당 메소드는 df 레벨에서 사용할 수 없으므로

any(pd.notnull(df[df.columns[1:]]), axis=1).astype(int) 

많은 기능과 버그 수정이 추가되면서 업그레이드하시기 바랍니다.

Answer 2

기능을 사용하여 내 돈을 위해

df['col_5'] =df.apply(lambda x: all(x.isnull()) , axis=1) 

읽기 조금 더 쉽습니다. 어느 것이 더 빠르는지 확실하지 않습니다.