Pandas数学运算，基于列值的条件。

Question

我需要进行一个数学运算，该运算取决于第二列中的值。以下是设置。

给定一个简单的数据框（`df`）：

df = pd.DataFrame({
    'col1' : ['A', 'A', 'B', np.nan, 'D', 'C'],
    'col2' : [2, 1, 9, 8, 7, 4],
    'col3': [0, 1, 9, 4, 2, 3],
    })

In [11]: df
Out[11]: 
  col1  col2  col3
0    A     2     0
1    A     1     1
2    B     9     9
3  NaN     8     4
4    D     7     2
5    C     4     3

我可以添加一个新列（math），然后根据10与col3的和填入一个数学表达式。

df['math'] = 10 + df['col3']

In [14]: df
Out[14]: 
  col1  col2  col3  math
0    A     2     0    10
1    A     1     1    11
2    B     9     9    19
3  NaN     8     4    14
4    D     7     2    12
5    C     4     3    13

但我想不通的是如何将表达式与另一列的值进行条件关联（例如，仅当col1 == B时）。期望的输出结果应该是：

In [14]: df
Out[14]: 
  col1  col2  col3  math
0    A     2     0   NaN
1    A     1     1   NaN
2    B     9     9    19
3  NaN     8     4   NaN
4    D     7     2   NaN
5    C     4     3   NaN

为了更清楚地阐述，我将在for循环中使用一个变量来表示col1的值。因此，我无法按照这里或这里描述的那样使.group_by()起作用。我想我需要像这样的东西...

df['math'] = 10 + df.loc[[df['col1'] == my_var], 'col3']

我从上面第二个示例的评论中得到了这个代码，但我无法使其工作。它会抛出一个“ValueError”，因为有太多的值——也就是说，我正在尝试同时传递过滤器和操作列，但它只期望过滤器。这个 Stack Overflow 帖子也使用类似于我上面的表达式的“loc”——但是使用静态的“col1”。

- Bill Armstrong

---

你的表达几乎正确。你的意思是 df.loc[:,'math'] = 10 + df.loc[df['col1'] == "B", 'col3']。 - rafaelc

@RafaelC，事实上，这正是我想做的。至少在右侧是这样的。df['math']和df.loc[:, 'math']之间有什么区别？ - Bill Armstrong

Answer 1

where

我执行数学运算，然后使用 pandas.Series.where 进行掩码处理，通过传递布尔系列 df.col1.eq('B')。

df.assign(math=df.col3.add(10).where(df.col1.eq('B')))

  col1  col2  col3  math
0    A     2     0   NaN
1    A     1     1   NaN
2    B     9     9  19.0
3  NaN     8     4   NaN
4    D     7     2   NaN
5    C     4     3   NaN

- piRSquared

Answer 2

使用 loc

df['math'] = df.loc[df.col1.eq('B'), 'col3'].add(10)

  col1  col2  col3  math
0    A     2     0   NaN
1    A     1     1   NaN
2    B     9     9  19.0
3  NaN     8     4   NaN
4    D     7     2   NaN
5    C     4     3   NaN

- user3483203

---

或者 df.loc[df.col1=="B", "math"] = df.col3+10 - rafaelc

哦，我不知道你可以这样创建列，谢谢你的提示！ - user3483203

Answer 3

使用：（这并不是一种安全的方法，请参见下面的注释）

df['New']=df.col3[df.col1=='B']+10
df
Out[11]: 
  col1  col2  col3   New
0    A     2     0   NaN
1    A     1     1   NaN
2    B     9     9  19.0
3  NaN     8     4   NaN
4    D     7     2   NaN
5    C     4     3   NaN

更新

pd.concat([df,(df.col3[df.col1=='B']+10).to_frame('New')],1)
Out[51]: 
  col1  col2  col3   New
0    A     2     0   NaN
1    A     1     1   NaN
2    B     9     9  19.0
3  NaN     8     4   NaN
4    D     7     2   NaN
5    C     4     3   NaN

- BENY

---

这不是一个好的索引方法。只使用loc或iloc。不要混合使用索引器。 - cs95

@coldspeed，是的，我知道你的意思，现在怎么样？:-) - BENY

问题出在 df.col3[df.col1=='B'] 语句上，实际上可以用 df.loc[df.col1=='B', 'col3'] 来代替。尽管这里并不会产生影响（只是提示SettingWithCopyWarnings），但在其他地方可能就有影响了。你的代码比必要的复杂了 :) - cs95

@coldspeed 是的，没错。当 df 是其他 dfs 的子集时，我们肯定会收到警告消息。 - BENY

Answer 4

由于您没有正确使用 loc，因此它会抛出 ValueError。以下是使用 loc 的解决方案：

df.loc[:,'math'] = 10 + df.loc[df['col1'] == "B", 'col3']

输出：

 col1 col2 col3 math
0    A   2   0    NaN
1    A   1   1    NaN
2    B   9   9    19.0
3    NaN 8   4    NaN
4    D   7   2    NaN
5    C   4   3    NaN

- min2bro

Answer 5

我也能做到以下的事情...

df['math'] = 10 + df.loc[df['col1'] == 'B']['col3']  

这是对@user3483203答案的变化。最终，我的'B'是一个变量，所以我根据@RafaelC的评论进行了修改。

- Bill Armstrong