根据Pandas中两个多索引列的条件赋值

Assign value based on conditional of two multiindex columns in Pandas(根据Pandas中两个多索引列的条件赋值)

问题描述

目标是根据列(A和B)的条件创建一个新的多索引列(stat)

A的条件

CONDITION_A='n'if A<0 else 'p'

和

B的条件

CONDITION_B='l'if A<0 else 'g'

目前的思路是将条件A和B分开分析，结合分析得到如下所示的stat列，最后追加回主数据框。

然而，我想知道是否有办法最大化代码行以实现类似的目标

预期输出

import pandas as pd
import numpy as np

np.random.seed(3)
arrays = [np.hstack([['One']*2, ['Two']*2]) , ['A', 'B', 'A', 'B']]
columns = pd.MultiIndex.from_arrays(arrays)
df=  pd.DataFrame(np.random.randn(5, 4), columns=list('ABAB'))

df.columns = columns
idx = pd.IndexSlice
mask_1 = df.loc[:,idx[:,'A']]<0
appenddf=mask_1.replace({True:'N',False:'P'}).rename(columns={'A':'iii'},level=1)


mask_2 = df.loc[:,idx[:,'B']]<0
appenddf_2=mask_2.replace({True:'l',False:'g'}).rename(columns={'A':'iv'},level=1)

# combine the multiindex
stat_comparison=[''.join(i) for i in zip(appenddf["iii"],appenddf_2["iv"])]

推荐答案

您可以尝试串联两个DF：

s=pd.concat([appenddf,appenddf_2],axis=1)
cols=pd.MultiIndex.from_product([s.columns.get_level_values(0),['stat']])
out=pd.concat([s.loc[:,(x,slice(None))].agg('_'.join,axis=1) for x in s.columns.get_level_values(0).unique()],axis=1,keys=cols)

out的输出：

    One     Two
    stat    stat
0   P_g     P_l
1   N_l     N_l
2   N_l     N_g
3   P_g     P_l
4   N_l     P_l

这篇关于根据Pandas中两个多索引列的条件赋值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！