将跨两列的 R mutate 条件转换为 Python

如何解决将跨两列的 R mutate 条件转换为 Python

我正在将 R 中的某些内容翻译成 Python，但无法理解如何跨两列实现一个条件 mutate 函数，以便在 Python 中进行类似的操作。

df <- df %>%
    select(col_1,…,col_n) %>%
    mutate(new_col = ifelse(is.na(col_1),NA,2),new_col = ifelse(is.na(col_2),new_col,ifelse(col_3 == 1,new_col+1,new_col-1))).

到目前为止，我有以下内容，其中 col_1 是字符串，col_2 是字符串，col_3 是浮点数：

df = df[[col_1,...,col_n]]
df[new_col] = df[col_1].apply(lambda x: np.nan if x is np.nan else 2)

并且无法弄清楚如何进行下一个突变。我尝试了以下方法：

1. df[new_col] = df.apply[col_2](lambda x: x if x is ' ' else df[col_3].apply(lambda x: x+1 if x == 1 else x-1) 
# This timesout the kernel


2. df[new_col] = df.apply(lambda x: x if x[col_2] == ' ' else x+1 if x[col_3] == 1 else x-1 if x[col_3] != else x)
# This results in an error of unsuporrted operand type(s) for -: 'str' and 'int'
# I also don't think the 'else x' at the end is the correct way to get the same result

有没有办法通过比嵌套应用计算成本更低的方法（如果这甚至是一种正确的攻击方法）或某种方法手动提取必要的信息来做到这一点？

解决方法

我猜“字面”翻译应该是这样的：

df = df[[col_1,...,col_n]]
df['new_col'] = np.where(df['col_1'].isnull(),np.nan,2)
df['new_col'] = np.where(df['col_2'].isnull(),df['new_col'],np.where(df['col_3'] == 1,df['new_col']+1,df['new_col']-1))

,

您还可以使用 datar 顺利地将您的 R 代码翻译成 python：

>>> from datar.all import NA,f,tibble,select,mutate,if_else,is_na
>>> 
>>> df = tibble(
...     col_1 = [1,NA,2,3],...     col_2 = [4,5,7],...     col_3 = [8,9,10,1],...     unk_col = list('abcd')
... )
>>> 
>>> df >> select(f.col_1,f.col_2,f.col_3) >> mutate(
...     new_col_ = if_else(is_na(f.col_1),2),...     new_col = if_else(
...         is_na(f.col_2),...         f.new_col,...         if_else(f.col_3 == 1,f.new_col+1,f.new_col-1)
...     )
... )
      col_1     col_2   col_3   new_col
  <float64> <float64> <int64> <float64>
0       1.0       4.0       8       1.0
1       NaN       5.0       9       NaN
2       2.0       NaN      10       2.0
3       3.0       7.0       1       3.0

我是 datar 包的作者。如果您有任何问题，请随时提交问题。