Python 比较两列，如果满足条件，则添加'；1'；新专栏

我不知道如何比较两列，以及一列是否大于或等于另一个数字，请在新列中输入“1”。如果条件不满足，我希望python什么也不做

测试数据集如下所示：

data = [[12,10],[15,10],[8,5],[4,5],[15,'NA'],[5,'NA'],[10,10], [9,10]]
df = pd.DataFrame(data, columns = ['Score', 'Benchmark'])

   Score Benchmark
0     12        10
1     15        10
2      8         5
3      4         5
4     15        NA
5      5        NA
6     10        10
7      9        10

所需输出为：

desired_output_data = [[12,10, 1],[15,10,1],[8,5,1],[4,5],[15,'NA'],[5,'NA'],[10,10,1], [9,10]]
desired_output_df = pd.DataFrame(desired_output_data, columns = ['Score', 'Benchmark', 'MetBench'])

   Score Benchmark  MetBench
0     12        10       1.0
1     15        10       1.0
2      8         5       1.0
3      4         5       NaN
4     15        NA       NaN
5      5        NA       NaN
6     10        10       1.0
7      9        10       NaN

我试过这样做：

if df['Score'] >= df['Benchmark']:
    df['MetBench'] = 1

我对编程基本上是新手，所以任何指导都将不胜感激。

---

谢谢大家!

可以使用

ge

和

map

df.Score.ge(df.Benchmark).map({True: 1, False:np.nan})

或者隐式地使用从

False

到

np.nan

的映射，因为pandas使用

dict.get

方法应用映射，并且

None

是默认值（感谢

@piRSquared

）

或者干脆

系列。其中

df.Score.ge(df.Benchmark).where(lambda s: s)

两种输出

0    1.0
1    1.0
2    1.0
3    NaN
4    NaN
5    NaN
6    1.0
7    NaN
dtype: float64

一定要做

df['Benchmark'] = pd.to_numeric(df['Benchmark'], errors='coerce')

---

首先，由于您有

'NA'

作为字符串，但您需要数值

np.nan

才能将其与其他数字进行比较

使用：

df['MetBench']=np.where（df['Score']>=df['Benchmark']，1，np.nan）

df.Score.ge（df.Benchmark.map（{True:1}）

pandas使用map的方式是，它将字典转换为可调用的

dict.get

，当密钥不存在时返回

None

。@piRSquared Living and learning；}将添加

df['Benchmark'] = pd.to_numeric(df['Benchmark'], errors='coerce')