Pandas Python：如果满足条件，则在数据帧中填充一列

让我们首先计算每个学生的注意力/注意力分数。请执行以下操作： 创建一个名为attendence\u 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dataset中有一个名为

absenses

的列

我的想法是利用条件来做这件事

但是我在这里搜索了很多代码，大多数代码都是在NaN数据中填充的。如何修复我的案例？

条件=[
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()

（df['likes_count']2）和（df['likes_count']9）和（df['likes_count']15）
]
#创建要为每个条件指定的值的列表
值=['tier_4'、'tier_3'、'tier_2'、'tier_1']
#创建一个新列，并使用np.select将列表作为参数为其赋值
df['tier']=np.select（条件、值）
#显示更新的数据帧
df.head（）

还是像这样？

df=student
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()

打印（df）
#df['attendence_score']=np.其中（（df['attendence']=0），5，df['attendence_score']）
#df.loc[df[“缺席”]=0，“出席率”]=5
出席率(u分)[
（df['缺席]==0），
（df[‘缺席’]>0）和（df[‘缺席’]5）和（df[‘缺席’]10）和（df[‘缺席’]15）和（df[‘缺席’]21）
]
#创建要为每个条件指定的值的列表
值=['5'，'4'，'3'，'2'，'1'，'0']
#创建一个新列，并使用np.select将列表作为参数为其赋值
df['attendence_score']=np.选择（attendence_score，值）
#显示更新的数据帧
df.head（）

我自己完成的。我爱我自己

手动方式：

s=df[“缺席”]
df.loc[s==0，“缺勤分数”]=5
df.loc[s.介于（1,5），“缺勤得分”]=4
df.loc[s.介于（6,10）之间，“缺勤得分”]=3
df.loc[s.介于（11,15），“缺勤分数”]=2
df.loc[s.介于（16,20），“缺勤得分”]=1
df.loc[s>21，“缺勤分数”]=0

使用类别：

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

或者，您也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（上限=5））.astype（'int'））

我试图引用这一个，但是….df['Attentience\u score']=np。其中（（df['Abscences']=0），5，df['Attentience\u score']）我尝试了这个，谢谢分享。请你也核对一下我的答案好吗。我不太确定我的答案是否正确。英雄联盟