熊猫：如何基于其他列值的条件求和列？

Question

我有以下的熊猫数据框。

import pandas as pd 
df = pd.read_csv('filename.csv') 

print(df) 

    dog  A   B   C 
0  dog1 0.787575 0.159330 0.053095 
1  dog10 0.770698 0.169487 0.059815 
2  dog11 0.792689 0.152043 0.055268 
3  dog12 0.785066 0.160361 0.054573 
4  dog13 0.795455 0.150464 0.054081 
5  dog14 0.794873 0.150700 0.054426 
.. .... 
8  dog19 0.811585 0.140207 0.048208 
9  dog2 0.797202 0.152033 0.050765 
10 dog20 0.801607 0.145137 0.053256 
11 dog21 0.792689 0.152043 0.055268 
    .... 

我总结"B"列"A"，创建新列，"C"如下：

df['total_ABC'] = df[["A", "B", "B"]].sum(axis=1) 

现在我想基于一个条件，即如果"A" < 0.78然后创建一个新的概括要做到这一点列df['smallA_sum'] = df[["A", "B", "B"]].sum(axis=1)。否则，该值应该为零。

如何创建这样的条件语句？

我的想法是使用

df['smallA_sum'] = df1.apply(lambda row: (row['A']+row['B']+row['C']) if row['A'] < 0.78)) 

然而，这并不工作，我不能指定轴。

如何根据其他列的值创建列？

你也可以做这样的事情每个df['dog'] == 'dog2'，创建列dog2_sum，即

df['dog2_sum'] = df1.apply(lambda row: (row['A']+row['B']+row['C']) if df['dog'] == 'dog2')) 

，但我的做法是不正确。

`

Answer 1

以下应该工作，在这里我们掩盖在满足条件的DF，这将设置NaN到的条件没有被满足，因此我们排在新的山坳叫fillna：

In [67]: 
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC')) 
df 

Out[67]: 
      A   B   C 
0 0.197334 0.707852 -0.443475 
1 -1.063765 -0.914877 1.585882 
2 0.899477 1.064308 1.426789 
3 -0.556486 -0.150080 -0.149494 
4 -0.035858 0.777523 -0.453747 

In [73]:  
df['total'] = df.loc[df['A'] > 0,['A','B']].sum(axis=1) 
df['total'].fillna(0, inplace=True) 
df 

Out[73]: 
      A   B   C  total 
0 0.197334 0.707852 -0.443475 0.905186 
1 -1.063765 -0.914877 1.585882 0.000000 
2 0.899477 1.064308 1.426789 1.963785 
3 -0.556486 -0.150080 -0.149494 0.000000 
4 -0.035858 0.777523 -0.453747 0.000000 

另一种方法是调用where在sum结果，这需要一个值参数去回报当条件不满足：

In [75]: 
df['total'] = df[['A','B']].sum(axis=1).where(df['A'] > 0, 0) 
df 

Out[75]: 
      A   B   C  total 
0 0.197334 0.707852 -0.443475 0.905186 
1 -1.063765 -0.914877 1.585882 0.000000 
2 0.899477 1.064308 1.426789 1.963785 
3 -0.556486 -0.150080 -0.149494 0.000000 
4 -0.035858 0.777523 -0.453747 0.000000