我有一个类似于这样的pandas数据框：
portion used
0 1 1.0
1 2 0.3
2 3 0.0
3 4 0.8
我想基于used列创建一个新的列，使得df看起来像这样:
portion used alert
0 1 1.0 Full
1 2 0.3 Partial
2 3 0.0 Empty
3 4 0.8 Partial
alert列。used为1.0，则alert应为Full。used为0.0，则alert应为Empty。alert应为Partial。如何最好地实现这个功能？
df.apply将该函数应用到每一行。请注意，你必须传递关键字参数axis=1，以确保将函数应用于行。import pandas as pd
def alert(row):
if row['used'] == 1.0:
return 'Full'
elif row['used'] == 0.0:
return 'Empty'
elif 0.0 < row['used'] < 1.0:
return 'Partial'
else:
return 'Undefined'
df = pd.DataFrame(data={'portion':[1, 2, 3, 4], 'used':[1.0, 0.3, 0.0, 0.8]})
df['alert'] = df.apply(alert, axis=1)
# portion used alert
# 0 1 1.0 Full
# 1 2 0.3 Partial
# 2 3 0.0 Empty
# 3 4 0.8 Partial
axis=1），您可以将参数 c 重命名为 row，这样就非常明显您在函数中可以访问行的所有值。 - Onema或者你可以这样做：
import pandas as pd
import numpy as np
df = pd.DataFrame(data={'portion':np.arange(10000), 'used':np.random.rand(10000)})
%%timeit
df.loc[df['used'] == 1.0, 'alert'] = 'Full'
df.loc[df['used'] == 0.0, 'alert'] = 'Empty'
df.loc[(df['used'] >0.0) & (df['used'] < 1.0), 'alert'] = 'Partial'
这个方法输出相同，但在10000行上运行速度约快100倍：
100 loops, best of 3: 2.91 ms per loop
然后使用apply：
%timeit df['alert'] = df.apply(alert, axis=1)
1 loops, best of 3: 287 ms per loop
我猜这个选择取决于你的数据框有多大。
%%timeit之后运行3行代码。循环次数（在此为100）由timeit程序自动选择，以在一些合理的“超时”内提供更稳健的度量（即如果运行1个循环的时间长于此“超时”，则只会有1个循环，例如使用apply的情况）。应该按“每个循环”基础比较timeit的结果。这就是为什么有“大约快100倍”的短语：花费2.91毫秒的1个循环大约比花费287毫秒的1个循环快100倍。 - Primer使用np.where通常很快
In [845]: df['alert'] = np.where(df.used == 1, 'Full',
np.where(df.used == 0, 'Empty', 'Partial'))
In [846]: df
Out[846]:
portion used alert
0 1 1.0 Full
1 2 0.3 Partial
2 3 0.0 Empty
3 4 0.8 Partial
时间安排
In [848]: df.shape
Out[848]: (100000, 3)
In [849]: %timeit df['alert'] = np.where(df.used == 1, 'Full', np.where(df.used == 0, 'Empty', 'Partial'))
100 loops, best of 3: 6.17 ms per loop
In [850]: %%timeit
...: df.loc[df['used'] == 1.0, 'alert'] = 'Full'
...: df.loc[df['used'] == 0.0, 'alert'] = 'Empty'
...: df.loc[(df['used'] >0.0) & (df['used'] < 1.0), 'alert'] = 'Partial'
...:
10 loops, best of 3: 21.9 ms per loop
In [851]: %timeit df['alert'] = df.apply(alert, axis=1)
1 loop, best of 3: 2.79 s per loop
np.select()处理多于2个条件如果有多于2个条件，像OP的例子一样，np.select()比嵌套多个层级的np.where()更清晰（并且速度一样快）。
Either define the conditions/choices as two lists (paired element-wise) with an optional default value ("else" case):
conditions = [
df.used.eq(0),
df.used.eq(1),
]
choices = [
'Empty',
'Full',
]
df['alert'] = np.select(conditions, choices, default='Partial')
Or define the conditions/choices as a dictionary for maintainability (easier to keep them paired properly when making additions/revisions):
conditions = {
'Empty': df.used.eq(0),
'Full': df.used.eq(1),
}
df['alert'] = np.select(conditions.values(), conditions.keys(), default='Partial')
np.select()非常快在具有5个条件（完整、高、中、低、空的）的情况下，计时如下：
df = pd.DataFrame({'used': np.random.randint(10 + 1, size=10)}).div(10)
无法评论，所以创建一个新答案：在Ffisegydd的方法基础上进行改进，您可以使用字典和 dict.get() 方法来使传递给 .apply() 的函数更易于管理：
import pandas as pd
def alert(c):
mapping = {1.0: 'Full', 0.0: 'Empty'}
return mapping.get(c['used'], 'Partial')
df = pd.DataFrame(data={'portion':[1, 2, 3, 4], 'used':[1.0, 0.3, 0.0, 0.8]})
df['alert'] = df.apply(alert, axis=1)
df['TaxStatus'] = np.where(df.Public == 1, True, np.where(df.Public == 2, False))