1
votes

Créer une nouvelle colonne dans un dataframe composé de valeurs de colonnes existantes

J'ai un dataframe qui ressemble à ceci:

dfs = []
for i in df1.iterrows():
    if ([df1['Corr_Value']] != np.nan):

        a = df1['X']
        b = df1['Y']
        c = df1['Corr_Value']*100
        df1['Remarks'] = (f'Solving {a} will solve {b} at {c}% probability')
        dfs.append(df1)

Je veux créer une nouvelle colonne qui se compose des valeurs de X et Y colonnes. L'idée est de parcourir les lignes, si la Corr_Value n'est pas nulle, alors la nouvelle colonne devrait afficher:

La résolution (valeur de la colonne X) résoudra (Y valeur de la colonne) à (colonne Corr_value)% de probabilité.

par exemple, pour la première ligne, le résultat devrait être:

La résolution de 51182 résoudra 51389 avec 100% de probabilité.

Voici le code que j'ai écrit:

      X       Y   Corr_Value
  0 51182   51389   1.00
  1 51182   50014   NaN
  2 51182   50001   0.85
  3 51182   50014   NaN

df1 est le dataframe qui stocke les données X , Y et Corr_Value .

Mais il semble y avoir un problème car le résultat que j'obtiens ressemble à ceci:

Mais le résultat devrait ressembler à ceci:

Si vous pouviez m'aider obtenir le résultat souhaité, ce serait génial.

python pandas dataframe

0 commentaires

3 Réponses :

3
votes

Utilisez DataFrame.dropna pour supprimer les lignes manquantes et appliquer des f-string s pour la chaîne de sortie personnalisée avec DataFrame.apply :

f = lambda x: f'Solving {int(x["X"])} will solve {int(x["Y"])} at {int(x["Corr_Value"] * 100)}% probability.'
df['Remarks'] = df.dropna(subset=['Corr_Value']).apply(f,axis=1)
print (df)
       X      Y  Corr_Value                                            Remarks
0  51182  51389        1.00  Solving 51182 will solve 51389 at 100% probabi...
1  51182  50014         NaN                                                NaN
2  51182  50001        0.85  Solving 51182 will solve 50001 at 85% probabil...
3  51182  50014         NaN                                                NaN

1 commentaires

Merci @jezrael, cela résout mon problème. Acceptant:)

1
votes

Essayez simplement:

dfs = []
for i, r in df1.iterrows():
    if (r['Corr_Value'] != np.nan):
        a = r['X']
        b = r['Y']
        c = r['Corr_Value']*100
        df1.at[i, 'Remarks'] = "Solving "+  str(a) + " will solve " + str(b) + " at " + str(c) + " % probability"

Je pense que le problème est lié à l'utilisation de df1 au lieu de la ligne actuelle.

0 commentaires

2
votes

Vous pouvez également utiliser numpy où:

       X      Y  Corr_Value                                            Remarks
0  51182  51389        1.00  Solving 51182 will solve 51389 with 100.0% pro...
1  51182  50014         NaN                                                NaN
2  51182  50001        0.85  Solving 51182 will solve 50001 with 85.0% prob...
3  51182  50014         NaN                                                NaN

Sortie:

import numpy as np

df['Remarks'] = np.where(df.Corr_Value.notnull(), 'Solving ' + df['X'].astype(str) + ' will solve ' + df['Y'].astype(str) + ' with ' + (df['Corr_Value'] * 100).astype(str) + '% probability', df['Corr_Value'])

1 commentaires

Bonne réponse mec @Ankur Sinha. Assez court et net