Python 3.x 熊猫基于另一列指定一列的值

给定以下数据帧：

import pandas as pd
df = pd.DataFrame(
        {'A':[10,20,30,40,50,60],
         'B':[1,2,1,4,5,4]
        })
df

    A   B
0   10  1
1   20  2
2   30  1
3   40  4
4   50  5
5   60  4

我希望新列“C”的值与“a”中的值相等，其中“B”的对应值小于3或0。 预期结果如下：

    A   B  C
0   10  1  10
1   20  2  20
2   30  1  30
3   40  4  0
4   50  5  0
5   60  4  0

提前谢谢

使用：

df['C']=np.where（df['B']<3，df['A']，0）
>>>df
A、B、C
0  10  1  10
1  20  2  20
2  30  1  30
3  40  4   0
4  50  5   0
5  60  4   0

在这里，您可以直接在列上使用

方法：

In [3]:
df['C'] = df['A'].where(df['B'] < 3,0)
df

Out[3]:
    A  B   C
0  10  1  10
1  20  2  20
2  30  1  30
3  40  4   0
4  50  5   0
5  60  4   0

[3]中的

df['C']=df['A']。其中（df['B']<3,0）
df
出[3]：
A、B、C
0  10  1  10
1  20  2  20
2  30  1  30
3  40  4   0
4  50  5   0
5  60  4   0

计时

In [4]:
%timeit df['A'].where(df['B'] < 3,0)
%timeit np.where(df['B'] < 3, df['A'], 0)

1000 loops, best of 3: 1.4 ms per loop
1000 loops, best of 3: 407 µs per loop

[4]中的

%timeit df['A']。其中（df['B']<3,0）
%timeit np.where（df['B']<3，df['A']，0）
1000个回路，最佳3个：每个回路1.4毫秒
1000个回路，最好为3:407µs/回路

此处速度更快，但pandas
中的pandas
进行了更多的检查，并且有更多的选项，因此这取决于此处的用例。
由您决定，此处的要点是pandas有一个内置的方法添加了计时，
np。此处的
速度更快，但pandas方法有更多的选项，因此取决于用例
In [4]:
%timeit df['A'].where(df['B'] < 3,0)
%timeit np.where(df['B'] < 3, df['A'], 0)

1000 loops, best of 3: 1.4 ms per loop
1000 loops, best of 3: 407 µs per loop