Python numpy where 函数行为

Question

对使用 numpy 的 where 条件有疑问。我可以将 where 条件与 == 运算符一起使用，但不能将 where 条件与“是另一个字符串的一个字符串子字符串吗？”一起使用。

代码：

    import pandas as pd
    import datetime as dt
    import numpy as np

    data = {'name': ['Smith, Jason', 'Bush, Molly', 'Smith, Tina',    
        'Clinton,     Jake', 'Hamilton, Amy'],
        'age': [42, 52, 36, 24, 73],
        'preTestScore': [4, 24, 31, 2, 3],
        'postTestScore': [25, 94, 57, 62, 70]}
    df = pd.DataFrame(data, columns = ['name', 'age', 'preTestScore',     
    'postTestScore'])
    print "BEFORE---- "
    print df
    print "AFTER----- "
    df["Smith Family"]=np.where("Smith" in df['name'],'Y','N' )
    print df

输出：

    BEFORE-----

                name  age  preTestScore  postTestScore
    0   Smith, Jason   42             4             25
    1    Bush, Molly   52            24             94
    2    Smith, Tina   36            31             57
    3  Clinton, Jake   24             2             62
    4  Hamilton, Amy   73             3             70


    AFTER----- 
                name  age  preTestScore  postTestScore Smith Family
    0   Smith, Jason   42             4             25            N
    1    Bush, Molly   52            24             94            N
    2    Smith, Tina   36            31             57            N
    3  Clinton, Jake   24             2             62            N
    4  Hamilton, Amy   73             3             70            N

为什么 numpy.where 条件在上述情况下不起作用。 曾期望史密斯家族有价值观 是 ñ 是 ñ 否

但是没有得到那个输出。上面看到的输出都是 N,N,N,N,N 而不是在 df['name'] 中使用条件 "Smith" （也尝试过 str(df['name']).find("Smith") >-1 ），但这也不起作用。

知道哪里出了问题或者我可以做些什么不同的事情吗？

Answer 1

我认为你需要str.contains 来作为布尔掩码：

print (df['name'].str.contains("Smith"))
0     True
1    False
2     True
3    False
4    False
Name: name, dtype: bool

df["Smith Family"]=np.where(df['name'].str.contains("Smith"),'Y','N' )
print (df)
                name  age  preTestScore  postTestScore Smith Family
0       Smith, Jason   42             4             25            Y
1        Bush, Molly   52            24             94            N
2        Smith, Tina   36            31             57            Y
3  Clinton,     Jake   24             2             62            N
4      Hamilton, Amy   73             3             70            N

或str.startswith:

df["Smith Family"]=np.where(df['name'].str.startswith("Smith"),'Y','N' )
print (df)
                name  age  preTestScore  postTestScore Smith Family
0       Smith, Jason   42             4             25            Y
1        Bush, Molly   52            24             94            N
2        Smith, Tina   36            31             57            Y
3  Clinton,     Jake   24             2             62            N
4      Hamilton, Amy   73             3             70            N

如果想使用in 处理标量需要apply：

此解决方案更快，但如果 NaN 在列 name 中则不起作用。

df["Smith Family"]=np.where(df['name'].apply(lambda x: "Smith" in x),'Y','N' )
print (df)
                name  age  preTestScore  postTestScore Smith Family
0       Smith, Jason   42             4             25            Y
1        Bush, Molly   52            24             94            N
2        Smith, Tina   36            31             57            Y
3  Clinton,     Jake   24             2             62            N
4      Hamilton, Amy   73             3             70            N

Answer 2

np.where("Smith" in df['name'],'Y','N' ) 的行为取决于df['name'] 产生的内容 - 我假设某种 numpy 数组。剩下的就是numpy

In [733]: x=np.array(['one','two','three'])
In [734]: 'th' in x
Out[734]: False
In [744]: 'two' in np.array(['one','two','three'])
Out[744]: True

in 是一个完整的字符串测试，适用于列表和字符串数组。这不是子字符串测试。

np.char 有一堆函数将字符串函数应用于数组元素。这些大致相当于np.array([x.fn() for x in arr])。

In [754]: x=np.array(['one','two','three'])
In [755]: np.char.startswith(x,'t')
Out[755]: array([False,  True,  True], dtype=bool)
In [756]: np.where(np.char.startswith(x,'t'),'Y','N')
Out[756]: 
array(['N', 'Y', 'Y'], 
      dtype='<U1')

或者find：

In [760]: np.char.find(x,'wo')
Out[760]: array([-1,  1, -1])

pandas.str 方法似乎做了类似的事情；将字符串方法应用于数据系列的元素。