Python 如何根据现有列中的值更改列值或在新列中创建值？

我是ML和数据科学的新手（最近刚从商业分析硕士毕业），在寻找数据科学/商业分析方面的职位时，我尽可能多地自学

我正在进行我的个人项目，以建立ML算法，预测客户是否会出席他们现有的约会

在初始数据分析时，我注意到我的“不出席”列包含值“是”和“否”（元数据：如果客户安排了约会并出席了约会，“不出席”列中的值为“否”；如果客户安排了约会但未出席约会，“不出席”列中的值为“是”）。对于ML算法，我需要值“Yes”变为“1”，值“No”变为“0”

我意识到有两种方法可以解决这个问题：

编写代码更改“不显示”列的值

创建一个新的“结果”列，其值将取决于“不显示”中的值

我尝试为这两种情况编写代码，但仍然会出现不同的错误。下面是我尝试的两种方法，两种方法都不起作用。我提前感谢你的帮助

1.

if my_df["No-show"] == "Yes":
    my_df["No-show"] == 1
elif my_df["Outcome"] == "No":
    my_df["No-show"] == 0
else:
    print("Something went wrong")

Error: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

2.1

my_df["Outcome"] = 0

if my_df["No-show"] == "Yes":
    my_df["Outcome"] == 1
elif my_df["No-show"] == "No":
    my_df["Outcome"] == 0
else:
    print("Something went wrong")

Error: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

2.2

my_df["Outcome"] = 0

for val in my_df.iterrows():
    if my_df["No-show"] == "Yes":
        my_df["Outcome"] == 1
    elif my_df["No-show"] == "No":
        my_df["Outcome"] == 0
    else:
        print("Something went wrong")

Error: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

---

感谢您的帮助，并祝贺我关于StackOverflow的第一个问题！期待回馈社会！：）

这回答了你的问题吗？你看过吗？@Arsik36一个问题是你没有在for循环中使用

val

。还有一种更简洁的方法：

my_-df['Outcome']=（my_-df['No-show']='Yes'）。另一方面，使用变量
“No-show”
会让人困惑。另外，为什么要使用0/1而不是实际布尔值？
my_-df['No-show']='Yes'
将返回一个
pandas.Series
，其长度（行数）与
my_-df
相同，根据
No-show
列是否与给定字符串匹配，每行的
True
或
False
（本例中为
'Yes'
）.  使用
astype（）
方法将这些布尔值转换为整数（
True
变为
1
和
False
变为
0
）。这是通过通常的
=
操作符分配给
my_df['output']
，从而在数据帧中创建新列。正如@AMC所建议的，您最好阅读熊猫文档——它非常清晰简洁。