Python 2.7 如何使用dict中定义的条件在dataframe中创建列

这是我的密码：

import pandas as pd
import numpy as np
input = {'name': ['Andy', 'Alex', 'Amy', "Olivia" ],
        'rating': ['A', 'A', 'B', "B" ],
        'score': [100, 60, 70, 95]}
df = pd.DataFrame(input)
df['valid1']=np.where((df['score']==100) & (df['rating']=='A'),'true','false')

上面的代码可以很好地将新列“valid1”数据设置为“true”，分数为100，“评级”为a

如果条件来自dict变量as

c = {'score':'100', 'rating':'A'}

如何使用c中定义的条件获得相同的结果“valid”列值？我尝试了以下代码

for key,value in c.iteritems():
    df['valid2']=np.where((df[key]==value),'true','false')

出现错误：

TypeError: Invalid type comparison

---

我将

c

定义为

pd.Series

，这样当您将其与数据帧进行比较时，它会自动重新比较每一行，同时将列与序列索引进行匹配。请注意，我确保

100

是一个整数而不是字符串

c = pd.Series({'score':100, 'rating':'A'})
i = df.columns.intersection(c.index)
df.assign(valid1=df[i].eq(c).all(1))

     name rating  score  valid1
0    Andy      A    100    True
1    Alex      A     60   False
2     Amy      B     70   False
3  Olivia      B     95   False

您可以使用相同的

系列

，但仍然可以使用

numpy

来加快速度

c = pd.Series({'score':100, 'rating':'A'})
i = df.columns.intersection(c.index)
v = np.column_stack(df[c].values for c in i)
df.assign(valid1=(v == c.loc[i].values).all(1))

     name rating  score  valid1
0    Andy      A    100    True
1    Alex      A     60   False
2     Amy      B     70   False
3  Olivia      B     95   False

---

谢谢你，皮尔斯。我的真实数据帧有许多列，我有许多从不同列名定义的条件。行df.assign（valid1=df[['score'，'rating']].eq（c）.all（1））具有硬编码的'score'，'rating'。如何使用条件C中定义的键值作为变量，而不是硬编码代码中的“分数”和“评级”？@mnnmountain是的，很好。我已经更新了我的答案以概括。