根据条件创建一个新列。

Question

我有一个数据框(df)，需要创建一个新列，该列是price和metric(已经计算过的整型数)的乘积。

df['cost'] = df['price'] * metric if (df['status'] == 'online')
df['cost'] = 0 if df['status'] == 'offline'

- Costa

Answer 1

我们可以利用在乘法中True等于1，False等于0的特点。

3 * True  -> 3
3 * False -> 0

我们需要检查在 status 列中的值是否等于 online。

df['cost'] = df['price'] * df['status'].eq('online') * metric

无论何时，status为offline时，cost值为0。

---

上述解决方案的前提是您希望将offline的值设为0。如果您想将offline设为999，则可以在此处使用Series.where。

df['cost'] = df['price'].mul(metric).where(df['status'].eq('online'), 999)

现在，将每个离线的值设置为999。

有用的链接:

• Series.where
• Series.eq
• Series.mul
• 用浮点数乘以布尔值

- Ch3steR

---

我第一次看到这件事情，感到非常惊奇。 - Anuj Sharma

@ManlaiA 谢谢。在这些情况下，np.where 也被广泛使用。既然你已经回答了，我必须想出一些不同的东西。:p - Ch3steR

@AnujSharma 谢谢。当布尔值用于算术运算时，它们被视为整数。您可以在这里阅读更多相关信息。 - Ch3steR

Answer 2

您可以使用np.where：

import numpy as np
df['cost'] = np.where(df['status']=='online', df['price']*metric, 0)

- user7864386

---

这是最干净的方法来完成这个任务。 - B.Kocis

Answer 3

如果您想要简单的 pandas，您可以使用 loc：

df['cost'] = 0
df.loc[df['status']== "online" , 'cost'] = df['price'] * metric

或者使用列表推导式：

df['cost'] = [df['price']*metric if status == 'online' else 0 for status in df['status']]

- sophocles

Answer 4

虽然这里所有的答案都可以解决你的问题，但使用np.where或np.select（已在上面的答案中展示）是最好的选择，因为它可以解决多个条件。

然而，如果数据包含nan值，则使用np.where和np.select的上述解决方案可能会给出错误的输出。

让我简化并解释一下这两个函数（np.select和pd.cut），以备将来参考。

df = pd.DataFrame({'status':['online','offline','away','busy',np.nan]})
df['price'] = 100
df

status  price
0   online  100
1   offline     100
2   away    100
3   busy    100
4   NaN     100

假设你有4个条件：

status = online then  df['cost'] =df['price']*metric
status = offline then df['cost'] = 0
status = away then df['cost'] = 1
status = busy then df['cost'] = 2

然后，您可以将所有这些条件简单地放在一个段落中，如下所示：

col         = 'status'
conditions  = [ df[col] == 'online' , (df[col] == 'offline') , (df[col]== 'away'), df[col] == 'busy']
options     = [df['price']*metric, 0, 1, 2 ]

df['cost'] = np.select(conditions, options)

运行后。

    status  price   cost
0   online  100     500
1   offline     100     0
2   away    100     1
3   busy    100     2
4   NaN     100     0

你可以观察到nan前面的值为0。为了解决这个问题，请使用：

df['cost'] = np.select(conditions, options,default = np.nan)

- Anuj Sharma