在 Pandas DataFrame 中评估 if-then-else 块中的多个条件答案

【问题标题】：Evaluating multiple conditions in if-then-else block in a Pandas DataFrame在 Pandas DataFrame 中评估 if-then-else 块中的多个条件
【发布时间】：2016-11-27 03:39:09
【问题描述】：

我想通过在 if-then-else 块中评估多个条件来在 Pandas DataFrame 中创建一个新列。

if events.hour <= 6:
    events['time_slice'] = 'night'
elif events.hour <= 12:
    events['time_slice'] = 'morning'
elif events.hour <= 18:
    events['time_slice'] = 'afternoon'
elif events.hour <= 23:
    events['time_slice'] = 'evening'

当我运行它时，我收到以下错误：

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

所以我尝试通过添加如下所示的任何语句来解决这个问题：

if (events.hour <= 6).any():
    events['time_slice'] = 'night'
elif (events.hour <= 12).any():
    events['time_slice'] = 'morning'
elif (events.hour <= 18).any():
    events['time_slice'] = 'afternoon'
elif (events.hour <= 23).any():
    events['time_slice'] = 'evening'

现在我没有收到任何错误，但是当我检查 time_slice 的唯一值时，它只显示 'night'

np.unique(events.time_slice)

array(['night'], dtype=object)

我该如何解决这个问题，因为我的数据包含应该是“早上”、“下午”或“晚上”的样本。谢谢！

【问题讨论】：

标签： python pandas dataframe conditional

【解决方案1】：

您可以使用pd.cut() 方法对您的数据进行分类：

演示：

In [66]: events = pd.DataFrame(np.random.randint(0, 23, 10), columns=['hour'])

In [67]: events
Out[67]:
   hour
0     5
1    17
2    12
3     2
4    20
5    22
6    20
7    11
8    14
9     8

In [71]: events['time_slice'] = pd.cut(events.hour, bins=[-1, 6, 12, 18, 23], labels=['night','morning','afternoon','evening'])

In [72]: events
Out[72]:
   hour time_slice
0     5      night
1    17  afternoon
2    12    morning
3     2      night
4    20    evening
5    22    evening
6    20    evening
7    11    morning
8    14  afternoon
9     8    morning

【讨论】：

也许第一个 bin 是 -1，因为如果条目是 0，它可能会变成 NaN？

【解决方案2】：

你可以创建一个函数：

def time_slice(hour):
    if hour <= 6:
        return 'night'
    elif hour <= 12:
        return 'morning'
    elif hour <= 18:
        return 'afternoon'
    elif hour <= 23:
        return 'evening'

那么events['time_slice'] = events.hour.apply(time_slice) 应该可以解决问题。

【讨论】：

【解决方案3】：

这是一个 NumPy 方法 -

tags = ['night','morning','afternoon','evening']
events['time_slice'] = np.take(tags,((events.hour.values-1)//6).clip(min=0))

示例运行 -

In [130]: events
Out[130]: 
   hour time_slice
0     0      night
1     8    morning
2    16  afternoon
3    20    evening
4     2      night
5    14  afternoon
6     7    morning
7    18  afternoon
8     8    morning
9    22    evening

【讨论】：

((events.hour.values-1)//6).clip(min=0) - 这很聪明
@MaxU 我猜是这样，但仅适用于定期间隔。