Python中基于字典类DataFrame递归创建列的实现问题

数据集说明 #

1. df1（包含7个变量与5个指标列R_1至R_5） #

A   B   C   D  E   F  G R_1 R_2 R_3  R_4  R_5
0  4  16   5   7  1  12  9   B   C   D    F    A
1  8   4  10  14  4   5  9   B   E   A  NaN  NaN

2. df2（存储各变量阈值的键值对） #

Variable  Value
0        A     11
1        B     15
2        C     22
3        D     25
4        E      3
5        F     14
6        G     15

需求 #

新增R_new_1至R_new_5列，规则如下：

• 若某R列（如R_1）对应的变量值大于df2中的阈值，则当前R_new列取下一个R列的值；
• 否则保留原变量值；
• 需递归对后续R_new列执行该逻辑。

预期输出：

R_new_1 R_new_2 R_new_3 R_new_4  R_new_5
0       C       D       F       A      NaN
1       B       A     NaN     NaN      NaN

尝试过的代码（无法实现递归替换） #

var_list={'A','B','C','D','E','F','G'}
for col in var_list:
  df1[str(col) + "_val"] = df2[df2['Variable']==str(col)].iloc[0][1]

for col in var_list:
  if (df1[str(col) + "_val"] > df1[str(col)]):
    df1[str(col) + "_ind"] = "OK"  
  else:
    df1[str(col) + "_ind"] = "NOK"

完整DataFrame构造代码 #

import pandas as pd
import numpy as np

## DataFrame构造
# df1
data1 = [{'A': 4, 'B': 16, 'C': 5, 'D': 7, 'E': 1, 'F': 12, 'G': 9, 'R_1':'B', 'R_2':'C', 'R_3':'D', 'R_4':'F', 'R_5':'A'},
        {'A': 8, 'B': 4, 'C': 10, 'D': 14, 'E': 4, 'F': 5, 'G': 9, 'R_1':'B', 'R_2':'E', 'R_3':'A', 'R_4':np.nan, 'R_5':np.nan}]
df1 = pd.DataFrame(data1)

# df2
data2 = [['A', 11], ['B', 15], ['C', 22], ['D', 25], ['E', 3], ['F', 14], ['G', 15]]
df2 = pd.DataFrame(data2, columns=['Variable', 'Value'])

# 预期输出df3
data3 = [{'A': 4, 'B': 16, 'C': 5, 'D': 7, 'E': 1, 'F': 12, 'G': 9, 'R_1':'B', 'R_2':'C', 'R_3':'D', 'R_4':'F', 'R_5':'A', 'R_new_1':'C', 'R_new_2':'D', 'R_new_3':'F', 'R_new_4':'A', 'R_new_5':np.nan},
        {'A': 8, 'B': 4, 'C': 10, 'D': 14, 'E': 4, 'F': 5, 'G': 9, 'R_1':'B', 'R_2':'E', 'R_3':'A', 'R_4':np.nan, 'R_5':np.nan, 'R_new_1':'B', 'R_new_2':'A', 'R_new_3':np.nan, 'R_new_4':np.nan, 'R_new_5':np.nan}]
df3 = pd.DataFrame(data3)

解决方案 #

要实现递归替换逻辑，可逐行处理R列值，依次检查并传递替换结果：

代码实现 #

# 将df2转为阈值字典，方便快速查询
threshold_dict = df2.set_index('Variable')['Value'].to_dict()

# 提取所有R列
r_cols = [f'R_{i}' for i in range(1, 6)]
r_data = df1[r_cols]

# 定义单行处理函数
def process_row(row):
    res = []
    current_idx = 0
    n = len(row)
    
    while current_idx < n:
        current_var = row[current_idx]
        if pd.isna(current_var):
            # 遇到NaN则后续全部填充NaN
            res.extend([np.nan] * (n - current_idx))
            break
        
        # 获取当前变量的实际值和对应阈值
        var_value = df1.loc[row.name, current_var]
        threshold = threshold_dict[current_var]
        
        if var_value > threshold:
            # 超过阈值，取下一个R值继续检查
            current_idx += 1
        else:
            # 符合条件，保留当前值，后续直接填充剩余R列值
            res.append(current_var)
            current_idx += 1
            while current_idx < n:
                res.append(row[current_idx])
                current_idx += 1
            break
    
    # 确保结果长度为5
    while len(res) < 5:
        res.append(np.nan)
    
    return pd.Series(res, index=[f'R_new_{i}' for i in range(1, 6)])

# 应用函数到每一行，生成R_new列
r_new_df = r_data.apply(process_row, axis=1)

# 合并到原df1
df1 = pd.concat([df1, r_new_df], axis=1)

# 查看结果
print(df1[['R_new_1','R_new_2','R_new_3','R_new_4','R_new_5']])

输出验证 #

运行后输出与预期完全一致：

R_new_1 R_new_2 R_new_3 R_new_4  R_new_5
0       C       D       F       A      NaN
1       B       A     NaN     NaN      NaN

内容的提问来源于stack exchange，提问作者Abhi