Python 如何基于2+;没有迭代的熊猫中的条件?
我的df正常Python 如何基于2+;没有迭代的熊猫中的条件?,python,python-2.7,pandas,boolean,dataframe,Python,Python 2.7,Pandas,Boolean,Dataframe,我的df正常 A = pd.DataFrame([[1, 5, 2], [2, 4, 4], [3, 3, 1], [4, 2, 2], [5, 1, 4]], columns=['A', 'B', 'C'], index=[1, 2, 3, 4, 5]) 如果我想根据另一列中的条件创建一列,我会执行类似的操作,并按预期工作 In [5]: A['D'] = A['C'] > 2 In [6]: A Out[6]: A B C
A = pd.DataFrame([[1, 5, 2], [2, 4, 4], [3, 3, 1], [4, 2, 2], [5, 1, 4]],
columns=['A', 'B', 'C'], index=[1, 2, 3, 4, 5])
如果我想根据另一列中的条件创建一列,我会执行类似的操作,并按预期工作
In [5]: A['D'] = A['C'] > 2
In [6]: A
Out[6]:
A B C D
1 1 5 2 False
2 2 4 4 True
3 3 3 1 False
4 4 2 2 False
5 5 1 4 True
但是,如果我想用两个条件来做同样的事情……比如:
A['D'] = A['C'] > 2 and A['B'] > 2 or A['D'] = A['C'] > 2 & A['B'] > 2
我得到了臭名昭著的
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
没有迭代我怎么能解呢?基于两个条件创建此新列的目的是能够使用以下类型的groupby函数:
A.groupby('D').apply(custom_fuction)
所以,也许有一种方法可以使用groupby来完成整个事情,但我不知道如何做到
感谢使用
和,而不是和
,来执行元素逻辑“与”运算:
In [40]: A['D'] = (A['C'] > 2) & (A['B'] > 2)
In [41]: A
Out[41]:
A B C D
1 1 5 2 False
2 2 4 4 True
3 3 3 1 False
4 4 2 2 False
5 5 1 4 False
您还可以跳过定义D
列:
In [42]: A.groupby((A['C'] > 2) & (A['B'] > 2))
Out[42]: <pandas.core.groupby.DataFrameGroupBy object at 0xab5b6ac>
[42]中的:A.groupby((A['C']>2)和(A['B']>2))
出[42]: