熊猫有条件地创建系列/数据框列

我有下面的数据框：

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

我想向数据框添加另一列（或生成一系列），该列的长度与数据框的长度相同（=记录/行的数目相等），如果Set ='Z'则设置为绿色，如果Set ='否则为'red' 。

最好的方法是什么？

如果您只有两个选择供您选择：

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，请使用np.select。例如，如果您想color成为

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

然后使用

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)

产生

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

列表理解是有条件创建另一列的另一种方法。如果像在示例中那样使用列中的对象dtype，则列表理解通常胜过大多数其他方法。

示例列表理解：

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

可以实现这一目标的另一种方法是

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

这是给这只猫换皮的另一种方法，使用字典将新值映射到列表中的键上：

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,))

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

当您要执行许多ifelse-type语句（即要替换的许多唯一值）时，此方法可能非常强大。

当然，您可以始终这样做：

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

但是apply在我的机器上，这种方法的速度是上面的方法的三倍以上。

您也可以使用dict.get：

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

以下内容比此处介绍的方法要慢，但是我们可以根据多于一列的内容来计算额外的列，并且可以为额外的列计算两个以上的值。

仅使用“设置”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

具有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

编辑（21/06/2019）：使用plydata

也可以使用plydata来执行这种操作（尽管这似乎比使用assignand 还要慢apply）。

from plydata import define, if_else

简单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if_else：

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

也许是通过更新Pandas来实现的，但到目前为止，我认为以下是该问题的最短和最佳答案。您可以使用该.loc方法，并根据需要使用一个或多个条件。

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"

说明：

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“颜色”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

或多个条件（如果需要）：

df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

您可以在此处阅读Pandas逻辑运算符和条件选择： Pandas中用于布尔索引的逻辑运算符

一种带有.apply()方法的衬纸如下：

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

之后，df数据帧如下所示：

>>> print(df)
  Type Set  color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

如果您要处理海量数据，则最好采用记忆方式：

# First create a dictionary of manually stored values
color_dict = {'Z':'red'}

# Second, build a dictionary of "other" values
color_dict_other = {x:'green' for x in df['Set'].unique() if x not in color_dict.keys()}

# Next, merge the two
color_dict.update(color_dict_other)

# Finally, map it to your column
df['color'] = df['Set'].map(color_dict)

当您有很多重复的值时，这种方法将是最快的。我的一般经验法则是记住以下情况：data_size> 10**4＆n_distinct<data_size/4

例如，在10,000行中记录2,500个或更少的不同值。