根据熊猫中其他两列的条件创建一列答案

【问题标题】：Create a column using based on conditions on other two columns in pandas根据熊猫中其他两列的条件创建一列
【发布时间】：2018-11-06 23:10:06
【问题描述】：

我想根据其他两列的条件在 pandas 中创建一列。我正在尝试使用带有 if else 条件的 for 循环，但在检查字符串值时出错。

我的数据框：

df=pd.DataFrame({"Area:['USA','India','China','UK','France','Germany','USA','USA','India','Germany'],
         "Sales":[2,3,7,1,4,3,5,6,9,10]})

我想根据条件创建一列 RATING：

如果国家在亚洲并且销售额 >2，那么 1

如果国家在北美并且销售额 >3，则为 1

如果国家以欧元为单位且销售额 >=4，则为 1 其他 0

我正在使用一个函数：

ASIA=['India','China']
NA= ['USA']   
EUR=['UK','France','Germany']     
def label_race(row):
 if row['Area'].isin(ASIA) & row['Sales'] >2  :
   return 1
 if row['Area'].isin(NA) & row['Sales'] >3  :
   return 1  
 if row['Area'].isin(EUR) & row['Sales'] >=4  :
   return 1
 return 0  

df['Rating']=df.apply(lambda row: label_race(row),axis=1)

抛出以下错误：

AttributeError: ("'str' object has no attribute 'isin'", 'occurred at index 0')

请告诉我我在函数中做错了什么或任何其他更简单的方法。

【问题讨论】：

标签： string pandas for-loop if-statement

【解决方案1】：

使用带有numpy.select的矢量化解决方案：

m = [df['Area'].isin(ASIA) & (df['Sales'] > 2), 
     df['Area'].isin(NA) & (df['Sales'] > 3), 
     df['Area'].isin(EUR) & (df['Sales'] >= 4)]
df['Rating'] = np.select(m, [1,1,1], default=0)

print (df)
      Area  Sales  Rating
0      USA      2       0
1    India      3       1
2    China      7       1
3       UK      1       0
4   France      4       1
5  Germany      3       0
6      USA      5       1
7      USA      6       1
8    India      9       1
9  Germany     10       1

您的解决方案应更改为 in 和 and 而不是 isin 和 &：

def label_race(row):
 if row['Area'] in (ASIA) and row['Sales'] >2  :
   return 1
 if row['Area'] in (NA) and row['Sales'] >3  :
   return 1  
 if row['Area'] in (EUR) and row['Sales'] >=4  :
   return 1
 return 0  

df['Rating']=df.apply(lambda row: label_race(row),axis=1) 
print (df)
      Area  Sales  Rating
0      USA      2       0
1    India      3       1
2    China      7       1
3       UK      1       0
4   France      4       1
5  Germany      3       0
6      USA      5       1
7      USA      6       1
8    India      9       1
9  Germany     10       1

区别在于性能：

#[10000 rows x 3 columns]
df = pd.concat([df] * 1000, ignore_index=True)

In [216]: %timeit df['Rating1']=df.apply(lambda row: label_race(row),axis=1)
275 ms ± 11.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [217]: %timeit df['Rating'] = np.select(m, [1,1,1], default=0)
215 µs ± 3.46 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

我尝试从评论中检查@Anton vBR 的想法：

def label_race(row):
 if row['Area'] in (ASIA) and row['Sales'] >2  :
   return 1
 elif row['Area'] in (NA) and row['Sales'] >3  :
   return 1  
 elif row['Area'] in (EUR) and row['Sales'] >=4  :
   return 1
 else:
   return 0  

df['Rating1']=df.apply(lambda row: label_race(row),axis=1) 

In [223]: %timeit df['Rating1']=df.apply(lambda row: label_race(row),axis=1)
268 ms ± 2.43 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

【讨论】：