Pandas dataframe зацикливает все значения для определенного столбца

Отредактировано

Спасибо за обновление вашего вопроса. Я полагаю, что после вашего редактирования .loc быть полезным для вас. .loc позволяет нам выполнять логическое индексирование, захватывая строки на основе равенства столбцов.

Например, следующее получает все строки, где столбец a_Cho равен "True",

>>> df.loc[df.a_Cho.eq('True'), ['a_n', 'a']]
    a   b   c   a_Cho   b_Cho   c_Cho   a_n b_n c_n
0   1   11  21  True    True    False   a1  b1  c1
4   5   15  25  True    False   True    a5  b5  c5
7   8   18  28  True    True    True    a8  b8  c8
8   9   19  29  True    True    False   a9  b9  c9

Мы также можем выбрать подмножество столбцов, используя .loc.

>>> df.loc[df.a_Cho.eq("True"), ["a_n", "a"]].rename(columns={"a_n": "choise", "a": "value"})

где я использовал .rename() чтобы переименовать столбцы.

Используя описанный выше подход, мы можем выполнить логическое индексирование для каждого из указанных вами условий, а затем объединить результаты.

def new_col_names(x):
    return {x + "_n": "choise", x: "value"}

# logical criteria
only_a = df.a_Cho.eq("True")
only_b = df.a_Cho.eq("False") & df.b_Cho.eq("True")
only_c = df.a_Cho.eq("False") & df.b_Cho.eq("False") & df.c_Cho.eq("True")
invalid = df.a_Cho.eq("False") & df.b_Cho.eq("False") & df.c_Cho.eq("False")

df_a = df.loc[only_a, ["a_n", "a"]].rename(columns=new_col_names("a"))
df_b = df.loc[only_b, ["b_n", "b"]].rename(columns=new_col_names("b"))
df_c = df.loc[only_c, ["c_n", "c"]].rename(columns=new_col_names("c"))
df_inv = df.loc[invalid].assign(choise="invalide", value="invalide").copy()
df_inv = df_inv[["choise", "value"]]

df_new = pd.concat([df_a, df_b, df_c, df_inv])

Окончательный DataFrame выглядит так:

    choise    value
0   a1         1
4   a5         5
7   a8         8
8   a9         9
1   b2        12
6   b7        17
2   c3        23
5   c6        26
3   invalide  invalide

Обратите внимание, что значения индекса в левой части показывают исходные номера строк каждой записи. Если вам не нужны эти числа, вы можете передать параметр ignore_index=True в .concat.

Это ближе к тому, что вы хотели?

Оригинал

Привет и добро пожаловать в StackOverflow! Я не уверен, что полностью понимаю ваш вопрос. Например, в вашем примере кода не видно, что вы используете переменную цикла x на каждой итерации. Вам может помочь пример DataFrame, который имеет ту же структуру, что и тот, с которым вы работаете.

У меня сложилось впечатление, что ваш вопрос может быть похож на этот вопрос, в котором используется pd.melt.

Ваш DataFrame структурирован следующим образом?

>>> import pandas as pd
>>> df = pd.DataFrame(
    {"A": list(range(1, 10)), "B": list(range(11, 20)), "C": range(21, 30)}
)
>>> df.head()

    A   B   C
0   1   11  21
1   2   12  22
2   3   13  23
3   4   14  24
4   5   15  25
5   6   16  26
6   7   17  27
7   8   18  28
8   9   19  29

Если это так, вы можете использовать pd.melt, чтобы реструктурировать его, чтобы иметь два столбца, столбец имен столбцов и столбец значений столбцов, как вы описываете в своем вопросе.

Команда и вывод для примера DataFrame выше будут такими:

>>> pd.melt(df, value_vars=['A', 'B', 'C'])

  variable  value
0   A   1
1   A   2
2   A   3
3   A   4
4   A   5
5   A   6
6   A   7
7   A   8
8   A   9
9   B   11
10  B   12
11  B   13
12  B   14
13  B   15
14  B   16
15  B   17
16  B   18
17  B   19
18  C   21
19  C   22
20  C   23
21  C   24
22  C   25
23  C   26
24  C   27
25  C   28
26  C   29

Это похоже на то, что вы спрашиваете? Если нет, не могли бы вы привести пример DataFrame, с которым вы работаете, и пример того, как должен выглядеть конечный результат? Это может быть упрощенный или фиктивный пример.