如何选择/添加基于其他列

Question

这一个不平凡的功能大熊猫据帧一列是这一个后续问题：how to select/add a column to pandas dataframe based on a function of other columns?

有一个数据帧，我想选择相匹配的行一些标准。该标准是其他列的值和一些附加值的函数。

这里是一个玩具例子：

>> df = pd.DataFrame({'A': [1,2,3,4,5,6,7,8,9], 
       'B': [randint(1,9) for x in xrange(9)], 
       'C': [4,10,3,5,4,5,3,7,1]}) 
>> 
    A B C 
0 1 6 4 
1 2 8 10 
2 3 8 3 
3 4 4 5 
4 5 2 4 
5 6 1 5 
6 7 1 3 
7 8 2 7 
8 9 8 1 

我想选择其中的一些不平凡函数返回true，例如所有行f（a，c，L），其中L是列表列表，f返回True如果a和c不是同一个子列表的一部分。 也就是说，如果L = [[1,2,3]，[4,2,10]，[8,7,5,6,9]我想：

A B C 
0 1 6 4 
3 4 4 5 
4 5 2 4 
6 7 1 3 
8 9 8 1 

谢谢！

Answer 1

这里是一个非常非常 hacky和非优雅的解决方案。作为另一个免责声明，因为如果列中的数字不在任何子列表中，您的问题没有说明您想要执行的操作，除了isin()中的任何默认功能之外，此代码不会以任何实际方式处理该问题。

import pandas as pd 

df = pd.DataFrame({'A': [1,2,3,4,5,6,7,8,9], 
       'B': [6,8,8,4,2,1,1,2,8], 
       'C': [4,10,3,5,4,5,3,7,1]}) 

L = [[1,2,3],[4,2,10],[8,7,5,6,9]] 


df['passed1'] = df['A'].isin(L[0]) 
df['passed2'] = df['C'].isin(L[0]) 
df['1&2'] = (df['passed1']^df['passed2']) 

df['passed4'] = df['A'].isin(L[1]) 
df['passed5'] = df['C'].isin(L[1]) 
df['4&5'] = (df['passed4']^df['passed5']) 

df['passed7'] = df['A'].isin(L[2]) 
df['passed8'] = df['C'].isin(L[2]) 
df['7&8'] = (df['passed7']^df['passed8']) 

df['PASSED'] = df['1&2'] & df['4&5']^df['7&8'] 

del df['passed1'], df['passed2'], df['1&2'], df['passed4'], df['passed5'], df['4&5'], df['passed7'], df['passed8'], df['7&8'] 
df = df[df['PASSED'] == True] 
del df['PASSED'] 

，看起来像一个输出：

A B C 
0 1 6 4 
3 4 4 5 
4 5 2 4 
6 7 1 3 
8 9 8 1 

我实现了这个码的这个相当快，因此在彻底和完整的丑陋，但我相信你可以重构它任何你想要的方式（例如，用for sub_list in L迭代原始的列表集合，改进变量名称，提出更好的解决方案等）。

希望这会有所帮助。哦，我有没有提到这是不好的代码？因为它是。