Pandas有条件地创建一个系列/数据帧列

Question

我有一个沿着下面的数据框:

    Type       Set
1    A          Z
2    B          Z           
3    B          X
4    C          Y

我想在数据帧中添加另一列(或生成一系列)与数据帧相同的长度(=相等的记录/行数),如果Set ='Z'则设置颜色为绿色,如果Set =否则设置为'red' .

最好的方法是什么？

Answer 1

如果您只有两个选择可供选择:

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

如果您有两个以上的条件,那么使用np.select.例如,如果你想color成为

• yellow 什么时候 (df['Set'] == 'Z') & (df['Type'] == 'A')
• 否则blue何时(df['Set'] == 'Z') & (df['Type'] == 'B')
• 否则purple何时(df['Type'] == 'B')
• 否则black,

然后用

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)

产量

  Set Type   color
0   Z    A  yellow
1   Z    B    blue
2   X    B  purple
3   Y    C   black

Answer 2

列表理解是另一种有条件地创建另一列的方法.如果您在列中使用对象dtypes,就像在您的示例中一样,列表推导通常优于大多数其他方法.

列表理解示例:

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

Answer 3

这是另一种为这只猫设置皮肤的方法,使用字典将新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,))

它看起来像什么:

df
Out[2]: 
  INDICATOR  VALUE  NEW_VALUE
0         A     10          1
1         B      9          2
2         C      8          3
3         D      7          4

当你有许多ifelse类型的语句要做时(即要替换许多唯一值),这种方法可能非常强大.

当然,你总能做到这一点:

df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)

但是这种方法apply在我的机器上比上面的方法慢三倍.

你也可以这样做,使用dict.get:

df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']]

Answer 4

另一种可以实现这一目标的方法是

df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')

Answer 5

以下比此处计时方法慢,但我们可以根据多个列的内容计算额外列,并且可以为额外列计算两个以上的值.

仅使用"Set"列的简单示例:

def 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

Answer 6

也许这是通过更新Pandas来实现的，但是到目前为止，我认为以下是该问题的最短和最佳答案。您可以根据需要使用一种或多种条件。

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"
print(df)

# result: 
  Type Set  Color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

Answer 7

您可以使用 pandas 方法where和mask：

\n

df[\'color\'] = \'green\'\ndf[\'color\'] = df[\'color\'].where(df[\'Set\']==\'Z\', other=\'red\')\n# Replace values where the condition is False\n

\n

或者

\n

df[\'color\'] = \'red\'\ndf[\'color\'] = df[\'color\'].mask(df[\'Set\']==\'Z\', other=\'green\')\n# Replace values where the condition is True\n

\n

或者，您可以将该方法transform与 lambda 函数一起使用：

\n

df[\'color\'] = df[\'Set\'].transform(lambda x: \'green\' if x == \'Z\' else \'red\')\n

\n

输出：

\n

  Type Set  color\n1    A   Z  green\n2    B   Z  green\n3    B   X    red\n4    C   Y    red\n

\n

@chai 的性能比较：

\n

import pandas as pd\nimport numpy as np\ndf = pd.DataFrame({\'Type\':list(\'ABBC\')*1000000, \'Set\':list(\'ZZXY\')*1000000})\n \n%timeit df[\'color1\'] = \'red\'; df[\'color1\'].where(df[\'Set\']==\'Z\',\'green\')\n%timeit df[\'color2\'] = [\'red\' if x == \'Z\' else \'green\' for x in df[\'Set\']]\n%timeit df[\'color3\'] = np.where(df[\'Set\']==\'Z\', \'red\', \'green\')\n%timeit df[\'color4\'] = df.Set.map(lambda x: \'red\' if x == \'Z\' else \'green\')\n\n397 ms \xc2\xb1 101 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 1 loop each)\n976 ms \xc2\xb1 241 ms per loop\n673 ms \xc2\xb1 139 ms per loop\n796 ms \xc2\xb1 182 ms per loop\n

\n