[已解决]P1—Pn任意一列值为“1”时，要求final_result为“1”，否则final_result为“0”

我才是小宝啊

表1：
class        P1        P2        P3        …        Pn        final_result
A        0        1        0        0        0        ?
B        0        0        0        0        0        ?
C        0        0        0        1        0        ?
D        1        0        1        0        0        ?
E        0        0        0        0        0        ?
F        0        0        0        0        1        ?

要求：P1—Pn任意一列值为“1”时，要求final_result为“1”，否则final_result为“0”。
最终输出：
class        P1        P2        P3        …        Pn        final_result
A        0        1        0        0        0        1
B        0        0        0        0        0        0
C        0        0        0        1        0        1
D        1        0        1        0        0        1
E        0        0        0        0        0        0
F        0        0        0        0        1        1

最佳答案

月排行榜 / 总排行榜

疾风怪盗

2020-10-10 15:44:07

import pandas as pd

data = pd.DataFrame([['A', '0', '1', '0', '0', '0', None],
                     ['B', '0', '0', '0', '0', '0', None],
                     ['C', '0', '0', '0', '1', '0', None]],
                    columns=['class', 'P1', 'P2', 'P3', 'P4', 'Pn', 'final_result'])
print(data)
data['final_result']=data.apply(lambda x:'1' if '1' in x.values else '0',axis=1)
print(data)

  class P1 P2 P3 P4 Pn final_result
0     A  0  1  0  0  0         None
1     B  0  0  0  0  0         None
2     C  0  0  0  1  0         None
  class P1 P2 P3 P4 Pn final_result
0     A  0  1  0  0  0            1
1     B  0  0  0  0  0            0
2     C  0  0  0  1  0            1

跳转到最佳答案楼层

冬雪雪冬

from functools import reduce
data = [[0,1,0,0,0],
       [0,0,0,0,0],
       [0,0,0,1,0],
       [1,0,1,0,0],
       [0,0,0,0,0],
       [0,0,0,0,1]]
for each in data:
    print(reduce(lambda x, y: x or y, each))

1
0
1
1
0
1

疾风怪盗

import pandas as pd

data = pd.DataFrame([['A', '0', '1', '0', '0', '0', None],
                     ['B', '0', '0', '0', '0', '0', None],
                     ['C', '0', '0', '0', '1', '0', None]],
                    columns=['class', 'P1', 'P2', 'P3', 'P4', 'Pn', 'final_result'])
print(data)
data['final_result']=data.apply(lambda x:'1' if '1' in x.values else '0',axis=1)
print(data)

  class P1 P2 P3 P4 Pn final_result
0     A  0  1  0  0  0         None
1     B  0  0  0  0  0         None
2     C  0  0  0  1  0         None
  class P1 P2 P3 P4 Pn final_result
0     A  0  1  0  0  0            1
1     B  0  0  0  0  0            0
2     C  0  0  0  1  0            1