在跨连续列移动时有条件地更新熊猫数据格式中的值

Question

我有一个熊猫DataFrame的会员记录，其中包含一些输入错误(见下面的几个例子)。有些成员在实际上是“更新”和(或)多次被列为“加入”时，被错误地认定为“加入”。我想纠正这些错误，将“联合”转换为“更新”，并根据专栏年作为批准海盗的反面。

df = pd.DataFrame({2012: {0: 'Renewal', 1: 'Joined', 2: np.nan, 3: np.nan},
                   2013: {0: 'Renewal', 1: 'Renewal', 2: 'Joined', 3: np.nan},
                   2014: {0: 'Joined', 1: 'Joined', 2: 'Renewal', 3: 'Renewal'},
                   2015: {0: 'Renewal', 1: 'Renewal', 2: 'Joined', 3: 'Renewal'},})
df

    2012    2013    2014    2015
0   Renewal Renewal Joined  Renewal
1   Joined  Renewal Joined  Renewal
2   NaN     Joined  Renewal Joined
3   NaN     NaN     Renewal Renewal

这样做是可行的，但不优雅且耗时：使用np.where和一个循环来更新行，我可以逐列修改。例如，要修复重复的“联接”行：

years = list(df.columns)
for col in df[years[1:]]:
    df[col] = np.where(((df[years[0]] == 'Joined') & (df[col] == 'Joined')), 'Renewal', df[col])

for col in df[years[2:]]:
    df[col] = np.where(((df[years[1]] == 'Joined') & (df[col] == 'Joined')), 'Renewal', df[col])
    
for col in df[years[3:]]:
    df[col] = np.where(((df[years[2]] == 'Joined') & (df[col] == 'Joined')), 'Renewal', df[col])

df
    2012    2013    2014    2015
0   Renewal Renewal Joined  Renewal
1   Joined  Renewal Renewal Renewal
2   NaN     Joined  Renewal Renewal 
3   NaN     NaN     Renewal Renewal

将摆脱任何重复的“加入”，但我没有足够的技能来做所有的列一次。现在，我正在手动更新每一个连续列和那里的100万条记录和大约20年的连续数据。

我理解还有其他需要纠正的地方，但如果我能理解如何循环和纠正这个问题，作为第一步，我怀疑我可以用同样的方法来解决其他的困难。

试图循环这个问题：我尝试过一个更复杂的循环的几个变体，但是我没有得到响应，没有错误，也没有意外地覆盖所有数据。

例如,

for x in range(len(years)):
    for col in df[years[x+1]]:
        df[col] = np.where(((df[years[x]] == 'Joined') & (df[col] == 'Joined')), 'Renewal', df[col])

是否有一种方法可以对与第一列相关联的值进行总体更新，然后转移到下一列？它不一定是一个循环，我只是假设这是解决方案。

谢谢你的任何建议/例子。

Answer 1

如果您想用“更新”替换除第一个“联接”以外的所有“连接”--您可以创建一个DataFrame的副本，将所有的“连接”替换为“更新”，找到第一个出现的“连接”的索引，然后将其放回副本中。

# Create a copy frame
df2 = df.applymap(lambda x: 'Renewal' if x == 'Joined' else x)
# Pull first joined from original
first_joined = df.apply(lambda x: x=='Joined', axis=1).apply(pd.Series.idxmax, axis=1) 
# Replace first "Joined" in the copy
for item in first_joined.items():
    if df.loc[item] == 'Joined':
        df2.loc[item] = 'Joined'

输出

# print(df2)
      2012     2013     2014     2015
0  Renewal  Renewal   Joined  Renewal
1   Joined  Renewal  Renewal  Renewal
2      NaN   Joined  Renewal  Renewal
3      NaN      NaN  Renewal  Renewal