带NA的两列的条件最小值

Question

当列1具有特定值时，如何高效地创建列3和列2的最小值的新列？你知道吗

示例：

my_dataframe=pd.DataFrame({'col1':[1.0,2.0,3.0],
             'col2':[4.0,5.0,6.0],
             'col3':[0.25,np.nan,0.25]})

my_dataframe = my_dataframe.assign(col4 = lambda x: np.where(x['col1']>1, np.minimum(x['col2'], x['col3']), 0))
RuntimeWarning: invalid value encountered in minimum

我假设np.minimum函数不能处理NA，那么如何解决这个问题呢？numpy.nanmin函数也不能正常工作。你知道吗

它返回以下错误，因为它不应用于数组 TypeError: 'Series' object cannot be interpreted as an integer

所以我试着写如下

my_dataframe = my_dataframe.assign(col4 = lambda x: np.where(x['col1']>1, np.nanmin(x['col2'].values(), x['col3'].values()), 0))

返回错误： TypeError: 'numpy.ndarray' object is not callable

Answer 1

使用^{}选择两列以[]或类似于np.nanmin的方式子集：

f = lambda x: np.where(x['col1']>1, x[['col2', 'col3']].min(axis=1), 0)
#another solution
#f = lambda x: np.where(x['col1']>1, np.nanmin(x[['col2', 'col3']].values,axis=1), 0)
my_dataframe = my_dataframe.assign(col4 = f)
print (my_dataframe)
   col1  col2  col3  col4
0   1.0   4.0  0.25  0.00
1   2.0   5.0   NaN  5.00
2   3.0   6.0  0.25  0.25