Python中的嵌套Case when语句答案

【问题标题】：Nested Case when statements in PythonPython中的嵌套Case when语句
【发布时间】：2021-06-10 12:34:46
【问题描述】：

以下代码在 SAS 中创建名为“已标记”的列：

Case When t3.Proportion=. then case when t3.'Standardised proportion'n >t1.SigmaMultiple Then 1 else 0  
End
Else 
Case When t3.Proportion=. and  abs(t3.'Standardised proportion'n) > t1.SigmaMultiple Then 1 Else 0
End
End

我正在尝试在 python 中复制它，通常我会编写一个条件代码，但是嵌套的 Case when aspect 让我感到困惑。

我试过但似乎不匹配的代码：

conditions =[
     ((dfSigmamissing['Proportion'] == 0) & (dfSigmamissing['SP'] > dfSigmamissing['SigmaMultiple'])),
       ((dfSigmamissing['Proportion'] == 0) & (dfSigmamissing['SP'] < dfSigmamissing['SigmaMultiple'])),
        ((dfSigmamissing['SP'].abs() > (dfSigmamissing['SigmaMultiple'])))
                ]

choices = [1,0,1]

dfSigmamissing['Flagged'] = np.select(conditions, choices, default=0)

任何帮助将不胜感激。

谢谢

【问题讨论】：

嗨@AndrewK，我不熟悉SAS，但我试图写一个答案和解释。不过，不确定输出是否与 SAS 的输出匹配。你能确认它是否匹配吗？我可能理解错了。

标签： python if-statement conditional-statements case case-when

【解决方案1】：

我认为你非常接近，你需要从conditions 列表中删除第二个条件，因为如果第一个条件失败，np.select 将回到那里。否则，前两个条件之一（几乎）总是 True，因为它们（几乎）是互补的。另外，我们需要 dfSigmamissing['Proportion'] == 0 最后一个条件：

conditions = [
     (dfSigmamissing["Proportion"] == 0) & (dfSigmamissing["SP"] > dfSigmamissing["SigmaMultiple"]),
     (dfSigmamissing["Proportion"] == 0) & (dfSigmamissing["SP"].abs() > dfSigmamissing["SigmaMultiple"])
]

choices = [1, 1]

default = 0

dfSigmamissing["Flagged"] = np.select(conditions, choices, default)

这样工作：

检查第一个条件是否成立？

-- 如果是，则在相应行中放入 1

--如果不是，进入第二个条件
第二个条件成立吗？

--如果有，在对应的行放1

-- 如果不是，则回退到默认值，即 0

为了避免代码重复，我们可以重构一些条件元素：

zero_prop = dfSigmamissing["Proportion"] == 0
sp = dfSigmamissing["SP"]
sigma_mul = dfSigmamissing["SigmaMultiple"]

conditions = [
    zero_prop & (sp > sigma_mul),
    zero_prop & (sp.abs() > sigma_mul)
]

这可能会增加可读性。

我们可以更进一步，粘合前两个条件，因为它们都会输出 1。这意味着我们现在有 2 个条件，所以我们可以选择 np.where，这是 np.select 的特例。此外，据我所知，sp > sigma_mul 包含在 sp.abs() > sigma_mul 中，所以我们可以放弃前者：

condition = zero_prop & (sp.abs() > sigma_mul)
dfSigmamissing["Flagged"] = np.where(condition, 1, 0)

【讨论】：