Numpy"where"具有多种条件

Question

我尝试在数据框"df_energy"中添加一个新列"energy_class",如果"consumption_energy"值> 400则包含字符串"high",如果"consumption_energy"值在200和400之间则包含"medium",并且低"如果"consumption_energy"值低于200.我尝试从numpy使用np.where,但我看到numpy.where(condition[, x, y])只处理两个条件而不是像我的情况一样.

有什么好主意帮我吗？

先感谢您

Answer 1

你可以使用三元:

np.where(consumption_energy > 400, 'high', 
         (np.where(consumption_energy < 200, 'low', 'medium')))

Answer 2

试试这个:使用@Maxu中的设置

col         = 'consumption_energy'
conditions  = [ df2[col] >= 400, (df2[col] < 400) & (df2[col]> 200), df2[col] <= 200 ]
choices     = [ "high", 'medium', 'low' ]

df2["energy_class"] = np.select(conditions, choices, default=np.nan)


  consumption_energy energy_class
0                 459         high
1                 416         high
2                 186          low
3                 250       medium
4                 411         high
5                 210       medium
6                 343       medium
7                 328       medium
8                 208       medium
9                 223       medium

Answer 3

我会在这里使用cut()方法,这将生成非常有效且节省内存的categorydtype:

In [124]: df
Out[124]:
   consumption_energy
0                 459
1                 416
2                 186
3                 250
4                 411
5                 210
6                 343
7                 328
8                 208
9                 223

In [125]: pd.cut(df.consumption_energy, [0, 200, 400, np.inf], labels=['low','medium','high'])
Out[125]:
0      high
1      high
2       low
3    medium
4      high
5    medium
6    medium
7    medium
8    medium
9    medium
Name: consumption_energy, dtype: category
Categories (3, object): [low < medium < high]

Answer 4

我喜欢保持代码干净.这就是我喜欢np.vectorize这样的任务的原因.

def conditions(x):
    if x > 400:
        return "High"
    elif x > 200:
        return "Medium"
    else:
        return "Low"

func = np.vectorize(conditions)
energy_class = func(df_energy["consumption_energy"])

然后使用以下命令将numpy数组添加为数据框中的列:

df_energy["energy_class"] = energy_class

这种方法的优点是,如果您希望向列添加更复杂的约束,可以轻松完成.希望能帮助到你.

Answer 5

让我们首先创建一个数据框，其中包含和1000000之间的随机数以用作测试01000

df_energy = pd.DataFrame({'consumption_energy': np.random.randint(0, 1000, 1000000)})

[Out]:

   consumption_energy
0                 683
1                 893
2                 545
3                  13
4                 768
5                 385
6                 644
7                 551
8                 572
9                 822

数据框的一些描述

print(df.energy.describe())

[Out]:
       consumption_energy
count      1000000.000000
mean           499.648532
std            288.600140
min              0.000000
25%            250.000000
50%            499.000000
75%            750.000000
max            999.000000

有多种方法可以实现这一目标，例如：

1. 使用numpy.where

   df_energy['energy_class'] = np.where(df_energy['consumption_energy'] > 400, 'high', np.where(df_energy['consumption_energy'] > 200, 'medium', 'low'))
   

2. 使用numpy.select

   df_energy['energy_class'] = np.select([df_energy['consumption_energy'] > 400, df_energy['consumption_energy'] > 200], ['high', 'medium'], default='low')
   

3. 使用numpy.vectorize

   df_energy['energy_class'] = np.vectorize(lambda x: 'high' if x > 400 else ('medium' if x > 200 else 'low'))(df_energy['consumption_energy'])
   

4. 使用pandas.cut

   df_energy['energy_class'] = pd.cut(df_energy['consumption_energy'], bins=[0, 200, 400, 1000], labels=['low', 'medium', 'high'])
   

5. 使用Python的内置模块

   def energy_class(x):
     if x > 400:
         return 'high'
     elif x > 200:
         return 'medium'
     else:
         return 'low'
   
   df_energy['energy_class'] = df_energy['consumption_energy'].apply(energy_class)
   

6. 使用 lambda 函数

   df_energy['energy_class'] = df_energy['consumption_energy'].apply(lambda x: 'high' if x > 400 else ('medium' if x > 200 else 'low'))
   

时间比较

从我所做的所有测试来看，通过测量时间time.perf_counter()（对于测量执行时间的其他方法，请参阅此），pandas.cut是最快的方法。

                        method      time
0                   np.where()  0.124139
1                  np.select()  0.155879
2            numpy.vectorize()  0.452789
3                 pandas.cut()  0.046143
4  Python's built-in functions  0.138021
5              lambda function   0.19081

笔记：

• pandas.cut对于和之间的区别pandas.qcut，请参阅：What is the Difference Between pandas.qcut and pandas.cut?