熊猫：使用基于其他列值的函数有条件填充列

Question

我有一个包含两组坐标（lat1，lon1，lat2，lon2）的Pandas DataFrame。我有一个使用这些坐标计算距离的函数。但是数据框中的一些行是无效的。我想仅将我的函数应用于有效行并将函数的结果保存到'dist'列（该列已存在于数据框中）。我想要这样的SQL：

UPDATE dataframe 
SET dist=calculate_dist(lat1, lon1, lat2, lon2) 
WHERE lat1 IS NOT NULL AND lat2 IS NOT NULL AND user_id>100; 

我该如何做到这一点？

我试过使用df = df.apply(calculate_dist, axis=1)，但通过这种方法，我需要处理所有行，不仅符合我的条件的行，而且需要在calculate_dist函数内部有一个忽略无效行的if语句。有没有更好的办法？

我知道类似的问题已经出现在StackOverflow上，但我找不到任何利用函数和条件选择行的问题。

Answer 1

我觉得你boolean indexing首先需要过滤器：

mask = (df.lat1.notnull()) & (df.lat2.notnull()) & (df.user_id>100) 

df['dist'] = df[mask].apply(calculate_dist, axis=1) 

样品：

df = pd.DataFrame({'lat1':[1,2,np.nan,1], 
        'lon1':[4,5,6,2], 
        'lat2':[7,np.nan,9,3], 
        'lon2':[1,3,5,1], 
        'user_id':[200,30,60,50]}) 

print (df) 
    lat1 lat2 lon1 lon2 user_id 
0 1.0 7.0  4  1  200 
1 2.0 NaN  5  3  30 
2 NaN 9.0  6  5  60 
3 1.0 3.0  2  1  50 

#function returning Series 
def calculate_dist(x): 
    return x.lat2 - x.lat1 

mask = (df.lat1.notnull()) & (df.lat2.notnull()) & (df.user_id>100) 
df['dist'] = df[mask].apply(calculate_dist, axis=1) 
print (df) 
    lat1 lat2 lon1 lon2 user_id dist 
0 1.0 7.0  4  1  200 6.0 
1 2.0 NaN  5  3  30 NaN 
2 NaN 9.0  6  5  60 NaN 
3 1.0 3.0  2  1  50 NaN