Question

我的房屋租金数据如下：

import pandas as pd
import numpy as np
data = {
    "HouseName": ["A", "A", "B", "B", "B"],
    "Type": ["OneRoom", "TwoRooms", "OneRoom", "TwoRooms", "ThreeRooms"],
    "Jan_S": [1100, 1776, 1228, 1640, np.NaN],
    "Feb_S": [1000, 1805, 1231, 1425, 1800],
    "Mar_S": [1033, 1748, 1315, 1591, 2900],
    "Jan_L": [1005, np.NaN, 1300, np.NaN, 7000]
}
df = pd.DataFrame.from_dict(data)
print(df)

  HouseName        Type   Jan_S  Feb_S  Mar_S   Jan_L 
0         A     OneRoom  1100.0   1000   1033  1005.0 
1         A    TwoRooms  1776.0   1805   1748     NaN 
2         B     OneRoom  1228.0   1231   1315  1300.0 
3         B    TwoRooms  1640.0   1425   1591     NaN 
4         B  ThreeRooms     NaN   1800   2900  7000.0

我需要意识到两件事：首先，我想根据“ Jan_S”，“ Feb_S”，“ Mar_S”，“ Jan_L”列找到合理的1月租金。这里S和L表示两个不同的数据源，它们都可能具有异常值和nans，但是来自S的数据将优先作为一月份的最终价格。其次，对于同一个HouseName，我需要检查并确保一个房间的价格低于两个房间，而两个房间的价格低于三个房间。我的最终结果将如下所示：

HouseName        Type    Jan_S    Feb_S  Mar_S   Jan_L  
0         A     OneRoom  1100.0   1000   1033  1005.0     
1         A    TwoRooms  1776.0   1805   1748     NaN     
2         B     OneRoom  1228.0   1231   1315  1300.0   
3         B    TwoRooms  1640.0   1425   1591     NaN   
4         B  ThreeRooms     NaN   1800   2900  7000.0    

      Result(Jan)  
0         1100  
1         1776  
2         1228  
3         1640  
4         1800

我的想法是检查Jan_S是否在Jan_L的0.95到1.05之间，如果是，将Jan_S作为最终结果，否则，继续检查Feb_S中的值作为Jan_S。

请分享您可能需要用Python处理此问题的所有想法。谢谢！这里有一些参考资料可能会有所帮助。

Find nearest value from multiple columns and add to a new column in Python

Compare values under multiple conditions of one column in Python

Check if values in one column is in interval values of another column in Python

Answer 1

您可以为此使用fillna。

如果要以选择列为条件，则需要弄清楚逻辑以过滤列以从中选择值。

我正在使用所有价格列的min（）展示逻辑

# filter out the price columns
price_cols = df.columns[~df.columns.isin(['HouseName','Type', 'Jan_S'])]

# then figure out the logic to filter the columns you need and use fillna
# here with the min of all columns as example
df['Jan_S'] = df['Jan_S'].fillna(df[price_cols].apply(min, axis=1))

比较多列中的值，并在Python中的另一列中添加新值

1 个答案: