根据条件将布尔值分配给新列

Question

我需要根据名为 X 的列的值（1,2,3,4,5）为新列 Y 中的行分配布尔值。 我在数据集中有此列df：

X
1
1
1
3
2
5
2
4
1

我想要一个新的 Y，在一个新的数据集中，它是 df 的副本，其中：

• 如果行的 X 值 = 1 则为真
• 如果行的 X 值 = 2 则为 False
• 如果行的 X 值 = 3，则为 False
• 如果行的 X 值 = 4 则为真
• 如果行的 X 值 = 5 则为 False

所以我应该有

X        Y
1      true
1      true
1      true
3      false
2      false
5      false
2      false
4      true
1      true

我写了这段代码：

new_df=df.copy()
new_df['Y'] = False
for index in df.iterrows():
    if   df['X'] == 1:
        new_df.iloc[index,9] = True
    elif df['X'] == 2:
        new_df.iloc[index,9] = False
    elif df['X'] == 3:
        new_df.iloc[index,9] = False
    elif df['X'] == 4:
        new_df.iloc[index,9] = True
    else:
        new_df.iloc[index,9] = False

得到这个错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

您能帮我修复代码以获得预期的输出吗？谢谢

Answer 1

编辑：np.where() 优于 map()

我相信您需要做的是创建一个自定义函数，您可以在其中使用if-elif-else，然后使用map。大致如下：

def evaluator(x):
   if x == 1:
      return True
   elif x == 2:
      return False
   elif x == 3:
      return False
   elif x == 4: 
      return True
   else:
      return False
df['Y'] = df['X'].map(lambda x: evaluator(x))

@Allolz 注释提供了有用的简化，它还允许使用np.where() 的矢量化操作

df['Y'] = np.where(df['X'].isin([1,4]),True,False) 

在你的情况下，给定你的输入数据框，输出：

   X      Y
0  1   True
1  1   True
2  1   True
3  3  False
4  2  False
5  5  False
6  2  False
7  4   True
8  1   True