Пандас/Numpy Преобразование значений на основе значений нескольких других столбцов (несколько критериев/правил) ⇐ Python

[Anonymous]

У меня есть Pandas DataFrame, который выглядит при этом (имена и значения столбцов не являются репрезентативными): < /p>
A | B | C | D | E | F | G ...| X | Z
a0|a0 |c0 |d0 |e0 |f0 | g0 | x0| z0
a1|b1 |c1 |d1 |e1 |f1 | g1 | x1| z1
a2|b2 |c2 |d2 |e2 |f2 | g2 | x2| z2
a3|b3 |c3 |d3 |e3 |f3 | g3 | x3| z3
a4|b4 |c4 |d4 |e4 |f4 | g4 | x4| z4
.
.
axx|bxx|cxx|dxx|exx|fxx|gxx | xx| zx
< /code>
, а затем у меня есть серия правил, которые являются требованиями отображения. это: < /p>
A | B | C | D | E | F | G ...| X | Z
a0| |c0 |d0 | | | | ns| wb
a0|b1 | |d1 | |f4 | | cp| qk
| |c1 |d0 |e0 |f0 | | bq| mc
a0|b0 | | | | | j0 | os| mw
a4| | |d4 | |f4 | | tw| px

< /code>
Другими словами, если определенные столбцы содержит определенные значения для строки, то измените значение этой строки либо для тех же столбцов, либо для других. < /p>
Как бы эффективный способ решить эту проблему?import pandas as pd
import numpy as np

# Your original dataframe
df = pd.DataFrame({
'A': ['a0', 'a1', 'a2', 'a3', 'a4'],
'B': ['b0', 'b1', 'b2', 'b3', 'b4'],
'C': ['c0', 'c1', 'c2', 'c3', 'c4'],
'D': ['d0', 'd1', 'd2', 'd3', 'd4'],
'E': ['e0', 'e1', 'e2', 'e3', 'e4'],
'F': ['f0', 'f1', 'f2', 'f3', 'f4'],
'X': ['x0', 'x1', 'x2', 'x3', 'x4'],
'Z': ['z0', 'z1', 'z2', 'z3', 'z4']
})

# Define your rules as a list of dictionaries
rules = [
{'condition': {'A': 'a0', 'C': 'c0', 'D': 'd0'}, 'action': {'X': 'ns', 'Z': 'wb'}},
{'condition': {'A': 'a0', 'B': 'b1', 'D': 'd1', 'F': 'f4'}, 'action': {'X': 'cp', 'Z': 'qk'}},
{'condition': {'C': 'c1', 'D': 'd0', 'E': 'e0', 'F': 'f0'}, 'action': {'X': 'bq', 'Z': 'mc'}},
{'condition': {'A': 'a0', 'B': 'b0'}, 'action': {'X': 'os', 'Z': 'mw'}},
{'condition': {'A': 'a4', 'D': 'd4', 'F': 'f4'}, 'action': {'X': 'tw', 'Z': 'px'}}
]

# Function to apply rules
def apply_rules(df, rules):
for rule in rules:
# Create a boolean mask for the condition
mask = pd.Series(True, index=df.index)
for col, val in rule['condition'].items():
mask &= df[col] == val

# Apply the action where the condition is met
for col, val in rule['action'].items():
df.loc[mask, col] = val

return df

# Apply the rules
df = apply_rules(df, rules)

print(df)


Подробнее здесь: https://stackoverflow.com/questions/794 ... lumns-mult