根据布尔条件分配类别

Question

我试图弄清楚是否有更好的方法来根据条件对数据进行分类。

示例数据： 查看已识别的地点是否具有物理、社会和/或经济角色。如果存在任何/多个角色，则该位置标记为“1”。

import pandas as pd
df = pd.DataFrame([[0, 1, 0], [0, 1, 1], [0, 1, 0], [0, 0, 1], [1,1,1], [1,1,0], columns=["PHYSICAL", "SOCIAL", "ECONOMIC"])

数据

|   | PHYSICAL | SOCIAL | ECONOMIC | 
| - | -------- | ------ | -------- | 
| 0 | 0        | 1      | 0        | 
| 1 | 0        | 1      | 1        | 
| 2 | 0        | 1      | 0        | 
| 3 | 0        | 0      | 1        | 
| 4 | 1        | 1      | 1        |       
| 5 | 1        | 1      | 0        |      

我想知道的：如何创建一个新列，根据 True/False 值为每一行分配一个类别。

所有可能的类别：

• 物理（仅限）
• 社交（仅限）
• 经济（仅限）
• 身体与社交
• 物理与经济
• 社会与经济
• 物理、社会和经济（全部）

预期成绩

|   | PHYSICAL | SOCIAL | ECONOMIC | CATEGORY        |
| - | -------- | ------ | -------- | --------------- |
| 0 | 0        | 1      | 0        | social          |
| 1 | 0        | 1      | 1        | social_economic |
| 2 | 0        | 1      | 0        | social          |
| 3 | 0        | 0      | 1        | economic        |
| 4 | 1        | 1      | 1        | all_cat         |
| 5 | 1        | 1      | 0        | physical_social |

我试过的：

df['CATEGORY'] = np.where(df['PHYSICAL'], np.where(df['SOCIAL'], 
np.where(df['ECONOMIC'], 'All', 'FALSE'), 'FALSE'), 'FALSE')

谢谢！

Answer 1

您可以使用df.dot为

df['CATEGORY'] = df.dot(df.columns + '_').str.rstrip('_').str.lower()

输出：

   PHYSICAL  SOCIAL  ECONOMIC                  CATEGORY
0         0       1         0                    social
1         0       1         1           social_economic
2         0       1         0                    social
3         0       0         1                  economic
4         1       1         1  physical_social_economic
5         1       1         0           physical_social