1

Quiero crear una columna en un DataFrame de Pandas con Python que devuelva un valor booleano (True, False) si se cumple una condición en al menos una de las columnas que se van a revisar.

En mi caso específico quiero crear la columna TIENE_COMORBILIDAD a partir de si en al menos una de las 10 columnas a revisar el valor es "SI". En ese caso devolverá True. De lo contrario, si en ninguna columna tiene un valor "SI", devolvería False.

El dataframe simplicado es este:


FECHA           TABAQUISMO          EPOC         OBESIDAD       DIABETES

30/04/2020        SI                 NO            NO               SI

30/04/2020        SI                 NO            SI               SI 

Esto es lo que he intentado:

df["TIENE_COMORBILIDAD"] = df[['DIABETES',
       'EPOC', 'ASMA', 'INMUSUPR', 'HIPERTENSION', 'OTRA_COM',
       'CARDIOVASCULAR', 'OBESIDAD', 'RENAL_CRONICA', 'TABAQUISMO']].apply(lambda x: "SI" in str (x), axis = 1)

Pero la columna "TIENE_COMORBILIDAD" me devuelve valores True en todas las filas, y tras una revisión manual noté que ciertas columnas no tenían el valor "SI" en toda una fila.

¿Alguien conoce de una forma de hacerlo y que se logre la comparación de manera correcta?

1
  • El dataframe simplicado es este: df: FECHA TABAQUISMO EPOC OBESIDAD DIABETES 30/04/2020 SI NO NO SI 30/04/2020 SI NO SI SI Commented el 1 may. 2020 a las 18:05

1 respuesta 1

0

Puedes hacerlo en dos pasos:

  • Usas pandas.DataFrame.eq sobre las columnas objetivo para obtener que celdas tienen un "SI".
  • Aplicas pandas.DataFrame.any sobre la salida de eq y lo aplicas sobre las filas, eje 1. Con esto ya obtienes tu Serie de boleanos.

import pandas as pd


df = pd.DataFrame({'FECHA': ("10/03/2020", "10/03/2020", "10/03/2020"),
                   'DIABETES': ("NO", "NO", "NO"),
                   'EPOC': ("NO", "NO", "NO"),
                   'ASMA': ("SI", "NO", "NO"),
                   'INMUSUPR': ("NO", "NO", "NO"),
                   'HIPERTENSION': ("NO", "NO", "NO"),
                   'OTRA_COM': ("NO", "NO", "NO"),
                   'CARDIOVASCULAR':("NO", "NO", "NO"),
                   'OBESIDAD': ("NO", "NO", "NO"),
                   'RENAL_CRONICA': ("SI", "NO", "NO"),
                   'TABAQUISMO': ("NO", "NO", "SI")}
                   )

df["TIENE_COMORBILIDAD"] = df.iloc[:, 1:].eq("SI").any(axis=1)                  
>>> df
        FECHA DIABETES EPOC ASMA INMUSUPR HIPERTENSION OTRA_COM CARDIOVASCULAR OBESIDAD RENAL_CRONICA TABAQUISMO  TIENE_COMORBILIDAD
0  10/03/2020       NO   NO   SI       NO           NO       NO             NO       NO            SI         NO                True
1  10/03/2020       NO   NO   NO       NO           NO       NO             NO       NO            NO         NO               False
2  10/03/2020       NO   NO   NO       NO           NO       NO             NO       NO            NO         SI                True
1
  • ¡Muchas gracias! Me funcionó de maravilla. Commented el 1 may. 2020 a las 19:36

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.