我尝试在数据帧“df_energy”中添加一个新列“energy_class”，如果“consumption_energy”值 > 400，它包含字符串“high”，如果“consumption_energy”值介于 200 和 400 之间，则为“medium” ，如果“consumption_energy”值低于 200，则为“low”。
我尝试使用 numpy 中的 np.where，但我看到 numpy.where(condition[, x, y]) 只处理两个条件，而不是像我的情况那样处理 3。
有什么好办法帮帮我吗？
提前谢谢你
【问题讨论】：
numpy.select()？
标签： python pandas numpy dataframe
试试这个： 使用来自@Maxu 的设置
col = 'consumption_energy'
conditions = [ df2[col] >= 400, (df2[col] < 400) & (df2[col]> 200), df2[col] <= 200 ]
choices = [ "high", 'medium', 'low' ]
df2["energy_class"] = np.select(conditions, choices, default=np.nan)
consumption_energy energy_class
0 459 high
1 416 high
2 186 low
3 250 medium
4 411 high
5 210 medium
6 343 medium
7 328 medium
8 208 medium
9 223 medium
【讨论】：
if / elif / else 函数一样工作，如果满足第一个和第二个条件，则第一个将适用，而不是第二个。谢谢@Merlin
您可以使用ternary：
np.where(consumption_energy > 400, 'high',
(np.where(consumption_energy < 200, 'low', 'medium')))
【讨论】：
pd.cut 解决方案。
我喜欢保持代码干净。这就是为什么我更喜欢np.vectorize 来处理此类任务。
def conditions(x):
if x > 400:
return "High"
elif x > 200:
return "Medium"
else:
return "Low"
func = np.vectorize(conditions)
energy_class = func(df_energy["consumption_energy"])
然后只需使用以下命令将 numpy 数组作为列添加到数据框中：
df_energy["energy_class"] = energy_class
这种方法的优点是，如果您希望向列添加更复杂的约束，则可以轻松完成。 希望对您有所帮助。
【讨论】：
我会在这里使用cut() 方法，它会生成非常高效且节省内存的category dtype：
In [124]: df
Out[124]:
consumption_energy
0 459
1 416
2 186
3 250
4 411
5 210
6 343
7 328
8 208
9 223
In [125]: pd.cut(df.consumption_energy,
[0, 200, 400, np.inf],
labels=['low','medium','high']
)
Out[125]:
0 high
1 high
2 low
3 medium
4 high
5 medium
6 medium
7 medium
8 medium
9 medium
Name: consumption_energy, dtype: category
Categories (3, object): [low < medium < high]
【讨论】：
请务必小心，如果您的数据有缺失值，np.where 可能难以使用，并且可能会无意中给您错误的结果。
考虑这种情况：
df['cons_ener_cat'] = np.where(df.consumption_energy > 400, 'high',
(np.where(df.consumption_energy < 200, 'low', 'medium')))
# if we do not use this second line, then
# if consumption energy is missing it would be shown medium, which is WRONG.
df.loc[df.consumption_energy.isnull(), 'cons_ener_cat'] = np.nan
或者，您可以使用一个嵌套的np.where 用于中等而不是难看的 nan。
恕我直言，最好的方法是pd.cut。它处理 NaN 并且易于使用。
import numpy as np
import pandas as pd
import seaborn as sns
df = sns.load_dataset('titanic')
# pd.cut
df['age_cat'] = pd.cut(df.age, [0, 20, 60, np.inf], labels=['child','medium','old'])
# manually add another line for nans
df['age_cat2'] = np.where(df.age > 60, 'old', (np.where(df.age <20, 'child', 'medium')))
df.loc[df.age.isnull(), 'age_cat'] = np.nan
# multiple nested where
df['age_cat3'] = np.where(df.age > 60, 'old',
(np.where(df.age <20, 'child',
np.where(df.age.isnull(), np.nan, 'medium'))))
# outptus
print(df[['age','age_cat','age_cat2','age_cat3']].head(7))
age age_cat age_cat2 age_cat3
0 22.0 medium medium medium
1 38.0 medium medium medium
2 26.0 medium medium medium
3 35.0 medium medium medium
4 35.0 medium medium medium
5 NaN NaN medium nan
6 54.0 medium medium medium
【讨论】：
我第二次使用 np.vectorize。它比 np.where 快得多，而且代码更简洁。您绝对可以通过更大的数据集来判断速度。您可以为条件句以及这些条件的输出使用字典格式。
# Vectorizing with numpy
row_dic = {'Condition1':'high',
'Condition2':'medium',
'Condition3':'low',
'Condition4':'lowest'}
def Conditions(dfSeries_element,dictionary):
'''
dfSeries_element is an element from df_series
dictionary: is the dictionary of your conditions with their outcome
'''
if dfSeries_element in dictionary.keys():
return dictionary[dfSeries]
def VectorizeConditions():
func = np.vectorize(Conditions)
result_vector = func(df['Series'],row_dic)
df['new_Series'] = result_vector
# running the below function will apply multi conditional formatting to your df
VectorizeConditions()
【讨论】：
myassign["assign3"]=np.where(myassign["points"]>90,"genius",(np.where((myassign["points"]>50) & (myassign["points"]<90),"good","bad"))
当您只想使用“where”方法但有多个条件时。我们可以通过与上面相同的方法添加更多（np.where）来添加更多条件。最后两个将是您想要的。
【讨论】：