如何在 Pandas 中对每行进行条件检查

Question

我有一个包含一些数值的数据框，就像这样：

   col1  col2
0     1     3
1    -2    -4
2     3    -5

我希望有一个包含以下内容的col3：
1 - 如果该行中所有值都大于0,
-1 - 如果该行中所有值都小于0，以及
0 - 对于所有其他情况

因此，我的结果df应该看起来像这样：

   col1  col2  col3
0     1     3     1
1    -2    -4    -1
2     3    -5     0

请帮我找出在Pandas和/或Numpy中实现此操作的最Pythonic方法。

- Somnath Rakshit

Answer 1

使用 numpy.select()：

df['col3']=np.select([(df.gt(0).all(axis=1)),(df.lt(0).all(axis=1))],[1,-1],0)
print(df)

   col1  col2  col3
0     1     3     1
1    -2    -4    -1
2     3    -5     0

根据文档，解释如下：

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

根据条件列表，从choicelist中返回一个数组。

这里的条件列表是(df.gt(0).all(axis=1))和(df.lt(0).all(axis=1))，它们检查了您提到的2个条件。 （最好的做法是打印条件来检查输出）。然后我们按顺序放置选择，这里是1和-1。 最后一个参数是默认值，如果需要其他默认值，则可以指定。

性能：

%timeit np.select([(df.gt(0).all(axis=1)),(df.lt(0).all(axis=1))],[1,-1],0)
#414 µs ± 18.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

- anky

---

谢谢您的回答。我尝试查阅了 np.select 的文档，但仍然无法正确理解它。请问您能否解释一下它是如何工作的？ - Somnath Rakshit

@SomnathRakshit 我已经更新了我的答案并附上了简要说明。如果您觉得这个答案有帮助，请考虑点赞和接受这个答案。谢谢。 - anky

Answer 2

另一种解决方案是：

。

df = pd.DataFrame([[1, 3], [-2, -4], [3, -5]], columns=['col1', 'col2'])
df['col3'] = df.gt(0).all(axis=1) * 1 - df.lt(0).all(axis=1) * 1
print(df)

   col1  col2  col3
0     1     3     1
1    -2    -4    -1
2     3    -5     0

- Frenchy

Answer 3

您也可以使用df.all()：

df['col3'] = (df > 0).all(axis=1) * 1 + (df < 0).all(axis=1) * -1

print(df)

   col1  col2  col3
0     1     3     1
1    -2    -4    -1
2     3    -5     0

- ernest_k

---

我喜欢这种方法。但是第三个条件如何工作，它将默认值设置为0？在数据框中，0是默认值吗？ - Somnath Rakshit

对于第三种情况，两个产品都将返回0（只有其中一个“all（）”调用将返回true，或者两个都是false）。因此它将是0 + 0。 - ernest_k

啊，没错。但是假设col3需要设置为字符串而不是数字，例如用“Positive”代替1，“Negative”代替-1和“Undecided”代替0。那么怎么使用呢？ - Somnath Rakshit

@SomnathRakshit 有很多方法可以做到这一点。我想到的一个方法是对这个结果应用lambda函数。 - ernest_k