Python：如果满足条件，则在数据框中填充一列[关闭]答案

【问题标题】：Python:Fill a column in a dataframe if a condition is met [closed]Python：如果满足条件，则在数据框中填充一列[关闭]
【发布时间】：2021-05-16 21:50:37
【问题描述】：

让我们从计算每个学生的attence_score 开始。请执行下列操作：创建一个名为attence_score 的新列。使用以下标准填写该列：

No Absence = 5
1-5 Absences = 4
6-10 Absences = 3
11-15 Absences = 2
16-20 Absences = 1
21 or more Absences = 0

在数据集中有一列名为absenses。

我的想法是使用 if 条件来做到这一点。

但是我在这里搜索了很多代码，大部分代码都是填写NaN数据。如何解决我的问题？

【问题讨论】：

stackoverflow.com/questions/55081194/… 我尝试引用这个但是....
df['attendence_score'] = np.where((df['absences'] =0 ) , 5, df['attendence_score']) 我试过了

标签： pandas dataframe

【解决方案1】：

手动方式：

s = df['absences']
df.loc[s == 0, 'absence_score'] = 5
df.loc[s.between(1, 5), 'absence_score'] = 4
df.loc[s.between(6, 10), 'absence_score'] = 3
df.loc[s.between(11, 15), 'absence_score'] = 2
df.loc[s.between(16, 20), 'absence_score'] = 1
df.loc[s > 21, 'absence_score'] = 0

使用类别：

df['absence_score'] = pd.cut(df['absences'], [-np.inf, 0, 5, 10, 15, 20, np.inf], labels=range(5,-1,-1))

或者您可以利用各个级别的统一步骤并使用数学公式：

df['absence_score'] = 5 - np.ceil(df['absences'].div(5).clip(upper=5)).astype('int')

【讨论】：

感谢分享。您能否也检查一下我的答案。不太确定我的回答是否正确。大声笑

【解决方案2】：

conditions = [
    (df['likes_count'] <= 2),
    (df['likes_count'] > 2) & (df['likes_count'] <= 9),
    (df['likes_count'] > 9) & (df['likes_count'] <= 15),
    (df['likes_count'] > 15)
    ]

# create a list of the values we want to assign for each condition
values = ['tier_4', 'tier_3', 'tier_2', 'tier_1']

# create a new column and use np.select to assign values to it using our lists as arguments
df['tier'] = np.select(conditions, values)

# display updated DataFrame
df.head()

还是这样？

【讨论】：

【解决方案3】：

df = student
print(df)

#df['attendence_score'] = np.where((df['absences'] =0 ) ,5, df['attendence_score'])
#df.loc[df['absences'] = 0, 'attendence_score'] = 5

attendence_score = [
    (df['absences'] == 0),
    (df['absences'] > 0) & (df['absences'] <= 5),
    (df['absences'] > 5) & (df['absences'] <= 10),
    (df['absences'] > 10) & (df['absences'] <= 15),
    (df['absences'] > 15) & (df['absences'] <= 20),
    (df['absences'] > 21)
    ]

# create a list of the values we want to assign for each condition
values = ['5', '4', '3', '2','1','0']

# create a new column and use np.select to assign values to it using our lists as arguments
df['attendence_score'] = np.select(attendence_score, values)

# display updated DataFrame
df.head()

我自己完成了。我爱我自己！！！！

【讨论】：