Блог

В настоящее время я впервые пытаюсь выполнить итерацию по набору столбцов (внутри df) с целью создания двух новых столбцов с:

1). тот, который суммирует количество единиц в столбцах, которые он повторил через 2). второй столбец, если в каком-либо из итерированных столбцов есть 1, он помещает единицу в новый столбец и разрывается. *** Я решил эту часть ***

ДОБАВЛЕН МОЙ DF для контекста:

    INDEX     ID    STATE Filed_Month  ...   MI   HD  Stroke  Diabeties_all
0      0  20190  Alabama     January  ...  2.0  2.0     2.0            3.0
1      1  20191  Alabama     January  ...  2.0  2.0     2.0            3.0
2      2  20192  Alabama     January  ...  2.0  2.0     2.0            1.0
3      3  20193  Alabama     January  ...  2.0  2.0     2.0            3.0
4      4  20194  Alabama     January  ...  2.0  2.0     2.0            3.0

[5 rows x 13 columns]
 

Я также должен упомянуть, что при суммировании 1 меня интересуют только 7 из 13 столбцов.

Я смог получить вторую часть своего вопроса, используя следующее:

 def ifanyCM(row):
    if row["Asthma"] == 1:
        return 1
    if row["Asthma"] != 1:
        return 0
    if row["COPD_all"] == 1:
        return 1
    if row["COPD_all"] != 1:
        return 0
    if row["Skin_Cancer"] == 1:
        return 1
    if row["Skin_Cancer"] != 1:
        return 0
    if row["Other_Cancer"] == 1:
        return 1
    if row["Other_Cancer"] != 1:
        return 0
    if row["MI"] == 1:
        return 1
    if row["MI"] != 1:
        return 0
    if row["HD"] == 1:
        return 1
    if row["HD"] != 1:
        return 0
    if row["Stroke"] == 1:
        return 1
    if row["Stroke"] != 1:
        return 0
    if row["Diabeties_all"] == 1:
        return 1
    if row["Diabeties_all"] != 1:
        return 0
    
y2019_r1["CM"] = y2019_r1.apply(lambda row: ifanyCM(row), axis=1) 
 

Я просто пытаюсь подсчитать те, которые представляют интерес для 7 столбцов.

Приветствия,

Рейчел

Неясно, как выглядит ваш фрейм данных. Но предполагая, что это широкий фрейм данных, подобный этому:

 import pandas
import numpy

df = pandas.DataFrame({
    1: [1, 2, 1, 2, 7, 1, 1, 9],
    2: [2, 9, 2, 2, 2, 1, numpy.nan, numpy.nan]
}).fillna(0).astype(int).T.rename(
    index=lambda r: f"row{r}",
    columns=lambda r: f"col{r}",
)
 

       col0  col1  col2  col3  col4  col5  col6  col7
row1     1     2     1     2     7     1     1     9
row2     2     9     2     2     2     1     0     0

 

Тогда вам не нужны никакие циклы или .apply вообще (потому apply что это то же самое, что и цикл:

 data = df.assign(
    CountOfOnes=lambda df: df.eq(1).sum(axis=1),
    HasAnyOne=lambda df: df.eq(1).any(axis=1)
)
 

Который есть:

       col0  col1  col2  col3  col4  col5  col6  col7  CountOfOnes  HasAnyOne
row1     1     2     1     2     7     1     1     9            4       True
row2     2     9     2     2     2     1     0     0            1       True
 

Простой способ сделать это — использовать df.apply() с лямбда-функцией в pandas. Когда вы укажете axis=1, он обработает строку a в фрейме данных как серию. В приведенном ниже примере я подсчитал длину понимания списка, в котором сохранялись только значения 1 в строке, чтобы подсчитать количество единиц. Впоследствии я использовал другой df.apply() для столбца с общим числом 1, чтобы проверить, содержит ли он значение больше 0.

 import pandas as pd

l = [[1, 2, 1, 2, 7, 1],[2, 9, 2, 2, 2, 2]]
df= pd.DataFrame(l)
df['total 1s'] = df[[0,1,2,3,4,5]].apply(lambda row: len([i for i in row if i == 1]), axis=1)
df['any 1s'] = df['total 1s'].apply(lambda x: False if x == 0 else True)
 

Результат:

  ---- ----- ----- ----- ----- ----- ----- ------------ ---------- 
|    |   0 |   1 |   2 |   3 |   4 |   5 |   total 1s | any 1s   |
|---- ----- ----- ----- ----- ----- ----- ------------ ----------|
|  0 |   1 |   2 |   1 |   2 |   7 |   1 |          3 | True     |
|  1 |   2 |   9 |   2 |   2 |   2 |   2 |          0 | False    |
 ---- ----- ----- ----- ----- ----- ----- ------------ ----------