在Pandas数据帧中向量化条件赋值

Question

如果我有一个数据框 df，其中包括列 x，并且想要根据 x 的值创建列 y，可以使用以下伪代码：

if df['x'] < -2 then df['y'] = 1 
else if df['x'] > 2 then df['y'] = -1 
else df['y'] = 0

我该如何实现这个？我认为np.where是最好的方法，但不确定如何编写正确的代码。

- azuric

---

请注意，很快（任何一天？）将在 pandas 16.0 中推出 assign() 方法的另一种方式，类似于 dplyr mutate：http://pandas-docs.github.io/pandas-docs-travis/whatsnew.html#dataframe-assign - JohnE

请参考 这篇回答，使用 np.where 处理两个选择，使用 np.select 处理多个选择。 - Paul Rougieux

Answer 1

一种简单的方法是先分配默认值，然后执行 2 次 loc 调用：

In [66]:

df = pd.DataFrame({'x':[0,-3,5,-1,1]})
df
Out[66]:
   x
0  0
1 -3
2  5
3 -1
4  1

In [69]:

df['y'] = 0
df.loc[df['x'] < -2, 'y'] = 1
df.loc[df['x'] > 2, 'y'] = -1
df
Out[69]:
   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

如果你想使用np.where，那么你可以通过嵌套的方式使用np.where：

In [77]:

df['y'] = np.where(df['x'] < -2 , 1, np.where(df['x'] > 2, -1, 0))
df
Out[77]:
   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

因此，我们将第一个条件定义为x小于-2时返回1，然后我们有另一个np.where测试另一个条件，即x大于2时返回-1，否则返回0。

时间

In [79]:

%timeit df['y'] = np.where(df['x'] < -2 , 1, np.where(df['x'] > 2, -1, 0))

1000 loops, best of 3: 1.79 ms per loop

In [81]:

%%timeit
df['y'] = 0
df.loc[df['x'] < -2, 'y'] = 1
df.loc[df['x'] > 2, 'y'] = -1

100 loops, best of 3: 3.27 ms per loop

因此，针对这个示例数据集，np.where 方法的速度是两倍于其他方法。

- EdChum

Answer 2

使用np.select处理多个条件

np.select(condlist, choicelist, default=0)

• 根据condlist中的相应条件返回choicelist中的元素。
• 当所有条件都为False时，将使用default元素。

condlist = [
    df['x'] < -2,
    df['x'] > 2,
]
choicelist = [
    1,
    -1,
]
df['y'] = np.select(condlist, choicelist, default=0)

np.select 比嵌套的 np.where 更易读，并且速度相同：

^{df = pd.DataFrame({'x': np.random.randint(-5, 5, size=n)})}

- tdy

Answer 3

这是一个很好的使用 pd.cut 的案例，你可以定义一个范围，根据这个 范围 来为其赋予相应的 标签:

df['y'] = pd.cut(df['x'], [-np.inf, -2, 2, np.inf], labels=[1, 0, -1], right=False)

输出

   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

- Erfan

---

我喜欢这个答案，但在我的机器上，它比np.where选项慢。根据%timeit的测试结果。 - Josh Friedlander

Answer 4

当条件满足时，将固定值设置为“c2”

 df.loc[df['c1'] == 'Value', 'c2'] = 10

- Hasan Zafari

Answer 5

您可以使用索引和 2 个 loc 调用轻松实现它：

df = pd.DataFrame({'x':[0,-3,5,-1,1]})

df

   x
0  0
1 -3
2  5
3 -1
4  1
    
df['y'] = 0
idx_1 = df.loc[df['x'] < -2, 'y'].index
idx_2 = df.loc[df['x'] >  2, 'y'].index
df.loc[idx_1, 'y'] =  1
df.loc[idx_2, 'y'] = -1

df

   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

- Alexander Martins

---

这难道不只是一种更冗长、可能更慢的编写方式，来自于三年前已经被接受的答案吗？没有必要再加上另一层 .loc 调用，然后需要进行 .index 处理。 - ggorlen

因为它有效，我使用的方式是正确的，它也得到了更新，可能更易于理解。 - Alexander Martins