pandas 和 numpy 的问题在哪里条件/多个值？答案

【问题标题】：Problems with pandas and numpy where condition/multiple values?pandas 和 numpy 的问题在哪里条件/多个值？
【发布时间】：2016-12-11 09:57:42
【问题描述】：

我有以下 pandas 数据框：

我想在右侧添加一个新列，遵循以下条件：

如果B 中的值有3 或2，例如在new_col 中添加1：

(*)
A  B new_col
1  3  1
0  3  1
1  2  1
0  1  0
0  0  0
1  4  0
....
0  0  0

所以我尝试了以下方法：

df['new_col'] = np.where(df['B'] == 3 & 2,'1','0')

但是没有用：

A  B new_col
1  3  0
0  3  0
1  2  1
0  1  0
0  0  0
1  4  0
....
0  0  0

知道如何使用 pandas 和 numpy 执行多重条件语句，例如 (*)？。

【问题讨论】：

感谢大家的帮助

标签： python python-3.x pandas numpy scipy

【解决方案1】：

df=pd.DataFrame({'A':[1,0,1,0,0,1],'B':[3,3,2,1,0,4]})
print df
df['C']=[1 if vals==2 or vals==3 else 0 for vals in df['B'] ]
print df

   A  B
0  1  3
1  0  3
2  1  2
3  0  1
4  0  0
5  1  4
   A  B  C
0  1  3  1
1  0  3  1
2  1  2  1
3  0  1  0
4  0  0  0
5  1  4  0

【讨论】：

@piRSquared：我不明白。期望什么？ @john doe：我完全不明白你的评论
@piRSquared 感谢您指出这一点。我完全错过了它，但现在我修复了它。

【解决方案2】：

使用 numpy

df['new'] = (df.B.values[:, None] == np.array([2, 3])).any(1) * 1

时间

在给定的数据集上

超过 60,000 行

【讨论】：

看来这是最有效的解决方案，谢谢！

【解决方案3】：

您可以使用 Pandas isin，它会返回一个布尔值，显示您要查找的元素是否包含在 'B' 列中。

df['new_col'] = df['B'].isin([3, 2])
   A  B new_col
0  1  3    True
1  0  3    True
2  1  2    True
3  0  1   False
4  0  0   False
5  1  4   False

然后，您可以使用astype 将boolean 值转换为0 和1，True 是1 和False 是0

df['new_col'] = df['B'].isin([3, 2]).astype(int)

输出：

   A  B  new_col
0  1  3        1
1  0  3        1
2  1  2        1
3  0  1        0
4  0  0        0
5  1  4        0

【讨论】：

感谢您的帮助，我注意到您使用了isin()。我只是好奇，3、4 的 ifinsted 呢……我还能用isin() 函数吗？

【解决方案4】：

df['new_col'] = [1 if x in [2, 3] else 0 for x in df.B]

* + ^ 运算符按预期处理布尔值，并与整数混合给出预期结果。所以你也可以这样做：

df['new_col'] = [(x in [2, 3]) * 1 for x in df.B]

【讨论】：

第一和我的答案一样

【解决方案5】：

使用numpy:

>>> df['new_col'] = np.where(np.logical_or(df['B'] == 3, df['B'] == 2), '1','0')
>>> df
   A  B new_col
0  1  3       1
1  0  3       1
2  1  2       1
3  0  1       0
4  0  0       0
5  1  4       0

【讨论】：