我如何使用熊貓進行此操作？初始 Df： A B C D0 0 1 0 01 0 1 0 02 0 0 1 13 0 1 0 14 1 1 0 05 1 1 1 0最終 Df： A B C D Param0 0 1 0 0 11 0 1 0 0 02 0 0 1 1 23 0 1 0 1 04 1 1 0 0 15 1 1 1 0 0基本上 Param 是該行中第一次出現在其自己的列中的 1 的編號。示例：B 列中的索引 0 : 1 是第一次出現，因此 Param1 = 1索引 1 ：沒有一個 1 是第一次出現在它自己的列中，因此 Param1 = 0索引 2 : C 列中的 1 和 D 首次出現在它們的列中，因此 Paramm1 = 2索引 3：沒有一個 1 是第一次出現在它自己的列中，因此 Param1 = 0索引 4：A 列中的 1 首次出現在該列中，因此 Paramm1 = 1索引 5：沒有一個 1 是第一次出現在它自己的列中，因此 Param1 = 0
3 回答
慕婉清6462132
TA貢獻1804條經驗 獲得超2個贊
我會做idxmax和value_counts
df['Param']=df.idxmax().value_counts().reindex(df.index,fill_value=0)
df
A B C D Param
0 0 1 0 0 1
1 0 1 0 0 0
2 0 0 1 1 2
3 0 1 0 1 0
4 1 1 0 0 1
5 1 1 1 0 0
茅侃侃
TA貢獻1842條經驗 獲得超22個贊
您可以檢查重復值，乘以df和求和：
df['Param'] = df.apply(lambda x: ~x.duplicated()).mul(df).sum(1)
輸出：
A B C D Param
0 0 1 0 0 1
1 0 1 0 0 0
2 0 0 1 1 2
3 0 1 0 1 0
4 1 1 0 0 1
5 1 1 1 0 0
月關寶盒
TA貢獻1772條經驗 獲得超5個贊
假設這些是整數，您可以使用 cumsum() 兩次來隔離第一次出現的 1。
df2 = (df.cumsum() > 0).cumsum() == 1
df['Param'] = df2.sum(axis = 1)
print(df)
如果 df 元素是字符串，您應該首先將它們轉換為整數。
df = df.astype(int)
添加回答
舉報
0/150
提交
取消