color
的列,使得当Set == 'Z'
时,color='green'
,否则color='red'
? Type Set
1 A Z
2 B Z
3 B X
4 C Y
如果你只有两个选择可供选择,那么请使用np.where
:
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
例如,
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
print(df)
产量
Set Type color
0 Z A green
1 Z B green
2 X B red
3 Y C red
np.select
。例如,如果您想要color
为:
yellow
当 (df['Set'] == 'Z') & (df['Type'] == 'A')
blue
当 (df['Set'] == 'Z') & (df['Type'] == 'B')
purple
当 (df['Type'] == 'B')
black
,那么请使用
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
conditions = [
(df['Set'] == 'Z') & (df['Type'] == 'A'),
(df['Set'] == 'Z') & (df['Type'] == 'B'),
(df['Type'] == 'B')]
choices = ['yellow', 'blue', 'purple']
df['color'] = np.select(conditions, choices, default='black')
print(df)
Set Type color
0 Z A yellow
1 Z B blue
2 X B purple
3 Y C black
列表推导式是另一种有条件地创建新列的方法。如果您正在处理对象类型的列,就像在您的示例中一样,列表推导通常比大多数其他方法表现更好。
示例列表推导:
df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit测试:
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
%timeit df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color'] = np.where(df['Set']=='Z', 'green', 'red')
%timeit df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')
1000 loops, best of 3: 239 µs per loop
1000 loops, best of 3: 523 µs per loop
1000 loops, best of 3: 263 µs per loop
pd.DataFrame({'Type':list('ABBC')*100000, 'Set':list('ZZXY')*100000})
),numpy.where
要比 map
更快,但列表推导式则表现最佳(约比 numpy.where
快50%)。 - blacksitedf['color'] = ['red' if (x['Set'] == 'Z') & (x['Type'] == 'B') else 'green' for x in df]
- Mattidf['color_type'] = np.where(df['Set']=='Z', 'green', df['Type'])
。 - Paul Rougieux.iterrows()
很慢,而且在迭代时不应修改 DataFrame。 - AMCdef set_color(row):
if row["Set"] == "Z":
return "red"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C green
考虑更多颜色和更多列的示例:
def set_color(row):
if row["Set"] == "Z":
return "red"
elif row["Type"] == "C":
return "blue"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C blue
还可以使用plydata来完成这种操作(尽管似乎比使用assign
和apply
更慢)。
from plydata import define, if_else
简单的if_else
:
df = define(df, color=if_else('Set=="Z"', '"red"', '"green"'))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C green
嵌套的if_else
语句:
df = define(df, color=if_else(
'Set=="Z"',
'"red"',
if_else('Type=="C"', '"green"', '"blue"')))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B blue
3 Y C green
另一种实现此目标的方式是
df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')
这里有另一种方法来解决这个问题,使用一个字典将新的值映射到列表中的键:
def map_values(row, values_dict):
return values_dict[row]
values_dict = {'A': 1, 'B': 2, 'C': 3, 'D': 4}
df = pd.DataFrame({'INDICATOR': ['A', 'B', 'C', 'D'], 'VALUE': [10, 9, 8, 7]})
df['NEW_VALUE'] = df['INDICATOR'].apply(map_values, args = (values_dict,))
它看起来是什么样子:
df
Out[2]:
INDICATOR VALUE NEW_VALUE
0 A 10 1
1 B 9 2
2 C 8 3
3 D 7 4
当您需要进行许多ifelse
类型语句(即需要替换许多唯一值)时,这种方法可以非常强大。
当然,您也可以始终这样做:
df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)
但是在我的机器上,这种方法比上面的apply
方法慢了三倍以上。
你也可以使用dict.get
来达到同样的效果:
df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']]
.apply()
需要47秒,而.map()
仅需要5.91秒。 - AMC你可以简单地使用强大的.loc
方法,并根据需要使用一个或多个条件(在pandas=1.0.5中测试过)。
代码摘要:
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
df['Color'] = "red"
df.loc[(df['Set']=="Z"), 'Color'] = "green"
#practice!
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"
解释:
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
# df so far:
Type Set
0 A Z
1 B Z
2 B X
3 C Y
添加一个名为“color”的列,并将所有值设置为“红色”
df['Color'] = "red"
应用您的单个条件:
df.loc[(df['Set']=="Z"), 'Color'] = "green"
# df:
Type Set Color
0 A Z green
1 B Z green
2 B X red
3 C Y red
如果需要,您可以使用多个条件:
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"
您可以在此处阅读有关Pandas逻辑运算符和条件选择的内容: Pandas中用于布尔索引的逻辑运算符
df['color'] = 'green'
df['color'] = df['color'].where(df['Set']=='Z', other='red')
# Replace values where the condition is False
df['color'] = 'red'
df['color'] = df['color'].mask(df['Set']=='Z', other='green')
# Replace values where the condition is True
或者,您可以使用带有Lambda函数的transform
方法:
df['color'] = df['Set'].transform(lambda x: 'green' if x == 'Z' else 'red')
输出:
Type Set color
1 A Z green
2 B Z green
3 B X red
4 C Y red
@chai的性能比较:
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC')*1000000, 'Set':list('ZZXY')*1000000})
%timeit df['color1'] = 'red'; df['color1'].where(df['Set']=='Z','green')
%timeit df['color2'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color3'] = np.where(df['Set']=='Z', 'red', 'green')
%timeit df['color4'] = df.Set.map(lambda x: 'red' if x == 'Z' else 'green')
397 ms ± 101 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
976 ms ± 241 ms per loop
673 ms ± 139 ms per loop
796 ms ± 182 ms per loop
np.where()
。df = pd.DataFrame({'A':range(3)})
df['B'] = np.where(df.A>2, 'yes', 'no')
如果你有超过两个选择,也许apply()
方法可以发挥作用。
arr = pd.DataFrame({'A':list('abc'), 'B':range(3), 'C':range(3,6), 'D':range(6, 9)})
并且 arr 是
A B C D
0 a 0 3 6
1 b 1 4 7
2 c 2 5 8
如果你想让列 E 成为 如果 arr.A 是 'a',则 arr.B;否则,如果 arr.A 是 'b',则 arr.C;否则,如果 arr.A 是 'c',则 arr.D;否则,其他情况
arr['E'] = arr.apply(lambda x: x['B'] if x['A']=='a' else(x['C'] if x['A']=='b' else(x['D'] if x['A']=='c' else 1234)), axis=1)
最后,数组是这样的
A B C D E
0 a 0 3 6 0
1 b 1 4 7 4
2 c 2 5 8 8
pyjanitor 的 case_when 函数是 pd.Series.mask
的封装,提供了一种可链接/方便的形式来处理多个条件:
对于单个条件:
df.case_when(
df.col1 == "Z", # condition
"green", # value if True
"red", # value if False
column_name = "color"
)
Type Set color
1 A Z green
2 B Z green
3 B X red
4 C Y red
对于多个条件:
df.case_when(
df.Set.eq('Z') & df.Type.eq('A'), 'yellow', # condition, result
df.Set.eq('Z') & df.Type.eq('B'), 'blue', # condition, result
df.Type.eq('B'), 'purple', # condition, result
'black', # default if none of the conditions evaluate to True
column_name = 'color'
)
Type Set color
1 A Z yellow
2 B Z blue
3 B X purple
4 C Y black
.apply()
方法的一行代码如下:
df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')
df
数据框看起来像这样:>>> print(df)
Type Set color
0 A Z green
1 B Z green
2 B X red
3 C Y red