根据if-elif-else条件创建新列

我有一个DataFrame df：

    A    B
a   2    2 
b   3    1
c   1    3

我想根据以下条件创建一个新列：

如果行 A == B: 0

如果行A > B: 1

如果行 A < B: -1

因此，鉴于上表，应为：

    A    B    C
a   2    2    0
b   3    1    1
c   1    3   -1 

对于典型的if else情况np.where(df.A > df.B, 1, -1)，pandas是否提供一种特殊的语法来一步解决我的问题（无需创建3个新列，然后合并结果）？

要使上面列出的一些方法正式化：

创建一个对数据框的行进行操作的函数，如下所示：

def f(row):
    if row['A'] == row['B']:
        val = 0
    elif row['A'] > row['B']:
        val = 1
    else:
        val = -1
    return val

然后通过axis=1选项将其应用于您的数据框：

In [1]: df['C'] = df.apply(f, axis=1)

In [2]: df
Out[2]:
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

当然，这不是矢量化的，因此在缩放到大量记录时，性能可能会不佳。不过，我认为它更具可读性。特别是来自SAS背景。

编辑

这是向量化版本

df['C'] = np.where(
    df['A'] == df['B'], 0, np.where(
    df['A'] >  df['B'], 1, -1)) 

df.loc[df['A'] == df['B'], 'C'] = 0
df.loc[df['A'] > df['B'], 'C'] = 1
df.loc[df['A'] < df['B'], 'C'] = -1

易于使用索引解决。代码的第一行看起来像这样，如果columnA等于column，B则创建并设置columnC等于0。

对于这种特殊的关系，您可以使用np.sign：

>>> df["C"] = np.sign(df.A - df.B)
>>> df
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

假设上面是您的原始数据框，您想添加一个新列“旧”

如果年龄大于50岁，则我们认为年龄较大=是，否则为False

步骤1：获取年龄大于50的行的索引

row_indexes=df[df['age']>=50].index

步骤2：使用.loc我们可以为列分配新值

df.loc[row_indexes,'elderly']="yes"

小于50岁的年龄相同

row_indexes=df[df['age']<50].index

df[row_indexes,'elderly']="no"

当您有多个if 条件时，numpy.select该走的路是：

In [4102]: import numpy as np
In [4098]: conditions = [df.A.eq(df.B), df.A.gt(df.B), df.A.lt(df.B)]
In [4096]: choices = [0, 1, -1]

In [4100]: df['C'] = np.select(conditions, choices)

In [4101]: df
Out[4101]: 
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1