将一系列条件应用于数据框。熊猫

Question

我曾经在向数据框应用多个条件时使用 np.where 函数，并且感觉很好。 我想改进我的代码，其中在 np.where 中的每组条件中重复相同的条件，我不知道如何以最简单的方式（清晰简洁的方式）做到这一点，或者使用 (1) 。 loc 或 (2) IF "条件" DO "应用其他条件"

例子：

我只需要选择“日期”处于条件下的行（例如 >20200201），并且仅针对这些行，计算新列，应用另一组不同的条件（例如条件 1：A >20 和 B > 20；条件 2：A==30 和 B==10，条件 3：A==20 和 B>=10 等）

我的问题是最好的方法来做出第一个选择（数据 >20200202）而不是在每一行中重复 Date>2020201 并避免这种情况：

import pandas as pd
import numpy as np

df = pd.DataFrame({"ID": [1,3,2,2,3,1,3,2],
           "Date": [20200109, 20200204, 20200307, 20200216, 20200107, 20200108, 20200214, 20200314],
           "A": [20,10,40,40,10,20, 40,30], 
           "B": [20,30,40,50,20, 30, 20, 10]})

df['new']=np.nan
df['new']=np.where((df['Date']>20200201) & (df['A']>20) & (df['B']>20), 'value', df['new'])
df['new']=np.where((df['Date']>20200201) & (df['A']==30) & (df['B']==10), 'value', df['new'])
df['new']=np.where((df['Date']>20200201) & (df['A']==20) & (df['B']>=10), 'value', df['new'])

Answer 1

看来你可以使用np.select：

s1 = df.Date <= 20200201
s2 = (df['A'] > 20) & df['B'].gt(20)
s3 = df['A'].eq(30) & df['B'].eq(10)
s4 = df['A'].eq(20) & df['B'].ge(10)

df['new'] = np.select( (s1,s2|s3|s4), (np.nan, 'value'), np.nan)

输出：

   ID      Date   A   B    new
0   1  20200109  20  20    nan
1   3  20200204  10  30    nan
2   2  20200307  40  40  value
3   2  20200216  40  50  value
4   3  20200107  10  20    nan
5   1  20200108  20  30    nan
6   3  20200214  40  20    nan
7   2  20200314  30  10  value

Answer 2

这可能不是最快的解决方案，但它的优势是 可读性和易于维护（未来）。

1. 使用 query 和这些行的索引查找有问题的行：

   ind = df.query('Date > 20200201 and (A > 20 and B > 20 or '
       'A == 30 and B == 10 or A == 20 and B >= 10)').index
   

2. 在新列中保存新值，在指示的行中：

   df.loc[ind, 'new'] = 'value'; df
   

此列中的其他值保持NaN。

如果将来上述条件发生变化，那很容易 并且直观地纠正它。

所以除非你的数据量很大并且执行时间是 这个解决方案太长了，值得考虑。