python lambda - if 语句在多列中具有条件答案

【问题标题】：python lamba - if statement with conditions in multiple columnspython lambda - if 语句在多列中具有条件
【发布时间】：2020-03-28 00:33:39
【问题描述】：

我有一个数据框：

df = pd.DataFrame({'col1': [1,2,3,4,5], 'col2':[1,2,3,4,5], 'col3':['a','b','c','d','e']})

我想创建一个新列，如果 col1 和 col2 等于 1，则它会说“是”，否则它会说“否”。

我尝试过使用 lambda 函数但没有成功：

df['win'] = df[['col1', 'col2']].apply(lambda x: 'Yes' if (x['col1'] == 1) & (x['col2'] == 1) else 'No')

有没有更好的方法来做到这一点？或对我所做的事情进行改进，使其有效。

【问题讨论】：

虽然你不应该对这个操作使用apply，但逻辑上你的apply是正确的。但是，您需要添加 axis=1 作为参数，以便它知道逐行缓慢地进行计算:(

标签： python pandas

【解决方案1】：

是的，您可以使用np.where。

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1': [1,2,3,4,5], 'col2':[1,2,3,4,5], 'col3':['a','b','c','d','e']})

condition = ((df['col1'] == 1) & (df['col2'] == 1))
# Return 'Yes' if the condition is True, and 'No' if False
df['win'] = np.where(condition, 'Yes', 'No')

【讨论】：

【解决方案2】：

您可以检查两列是否等于1，并执行逐行，然后执行到Yes 和No 的映射：

df['win'] = df[['col1', 'col2']].eq(1).all(axis=1).replace({True: 'Yes', False: 'No'})

对于大型数据帧，这将更快，因为它的操作是“批量”完成的。

【讨论】：

【解决方案3】：

最好为它创建一个函数，而不是在轴 1 上应用 lambda：

def yes_no(x):
 if (x['col1'] == 1) & (x['col2'] == 1):
   return 'Yes'
 else:
   return 'No'

然后在axis = 1上应用lambda：

df['win'] = df.apply(lambda x: yes_no(x), axis = 1)

【讨论】：