Python 使用条件在dataframe中生成新列

我有一个熊猫数据框，看起来像这样：

   portion  used
0        1   1.0
1        2   0.3
2        3   0.0
3        4   0.8

   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial

我想基于

used

列创建一个新列，因此

df

如下所示：

   portion  used
0        1   1.0
1        2   0.3
2        3   0.0
3        4   0.8

   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial

• 根据以下内容创建新的

  警报
  列

• 如果

  已使用

  为

  1.0

  ，

  警报

  应为

  完整

• 如果使用的

  为
  0.0
  ，
  警报应为
  空

• 否则，

  警报

  应为

  部分

---

最好的方法是什么？

您可以定义一个函数，返回不同的状态“Full”、“Partial”、“Empty”等，然后使用

df。apply

将函数应用于每一行。请注意，您必须传递关键字参数axis=1，以确保它将函数应用于行

import pandas as pd

def alert(c):
  if c['used'] == 1.0:
    return 'Full'
  elif c['used'] == 0.0:
    return 'Empty'
  elif 0.0 < c['used'] < 1.0:
    return 'Partial'
  else:
    return 'Undefined'

df = pd.DataFrame(data={'portion':[1, 2, 3, 4], 'used':[1.0, 0.3, 0.0, 0.8]})

df['alert'] = df.apply(alert, axis=1)

#    portion  used    alert
# 0        1   1.0     Full
# 1        2   0.3  Partial
# 2        3   0.0    Empty
# 3        4   0.8  Partial

将熊猫作为pd导入
def警报（c）：
如果c['used']==1.0：
返回“完整”
elif c[“已使用”]==0.0：
返回“空”
elif 0.0

或者，您可以执行以下操作：

import pandas as pd
import numpy as np
df = pd.DataFrame(data={'portion':np.arange(10000), 'used':np.random.rand(10000)})

%%timeit
df.loc[df['used'] == 1.0, 'alert'] = 'Full'
df.loc[df['used'] == 0.0, 'alert'] = 'Empty'
df.loc[(df['used'] >0.0) & (df['used'] < 1.0), 'alert'] = 'Partial'

然后使用apply：

%timeit df['alert'] = df.apply(alert, axis=1)

1 loops, best of 3: 287 ms per loop

---

我猜选择取决于您的数据帧有多大。

使用

np。其中
通常很快

In [845]: df['alert'] = np.where(df.used == 1, 'Full', 
                                 np.where(df.used == 0, 'Empty', 'Partial'))

In [846]: df
Out[846]:
   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial


时间安排

[848]中的
：df.shape
Out[848]：（100000,3）
在[849]中：%timeit df['alert']=np.where（df.used==1，'Full'，np.where（df.used==0，'Empty'，'Partial'））
100圈，最佳3圈：每圈6.17毫秒
在[850]中：%%timeit
…：df.loc[df['used']==1.0，'alert']='Full'
…：df.loc[df['used']==0.0，'alert']='Empty'
…：df.loc[（df['used']>0.0）和（df['used']<1.0），'alert']='Partial'
...:
10个回路，最佳3个：每个回路21.9毫秒
在[851]中：%timeit df['alert']=df.apply（alert，axis=1）
1圈，最佳3圈：每圈2.79秒
无法评论，因此提出一个新的答案：改进Ffisegydd的方法，您可以使用字典和
dict.get（）
方法将函数传递到
。apply（）
更易于管理：

import pandas as pd

def alert(c):
    mapping = {1.0: 'Full', 0.0: 'Empty'}
    return mapping.get(c['used'], 'Partial')

df = pd.DataFrame(data={'portion':[1, 2, 3, 4], 'used':[1.0, 0.3, 0.0, 0.8]})

df['alert'] = df.apply(alert, axis=1)

根据用例的不同，您可能也希望在函数定义之外定义dict

df['TaxStatus'] = np.where(df.Public == 1, True, np.where(df.Public == 2, False))

这似乎是可行的，除了ValueError：x和y中的任何一个都应该给出，或者都不应该给出
可能的伟大示例的副本。为了使代码更清楚一点（并且由于您使用的是
axis=1
），可以将参数
c
重新命名为
行
，这样很明显，您可以访问函数中该行的所有值。如果您的条件不太复杂，这应该是可以接受的答案。关于%timeit的问题：如果第一个循环执行了100次@2.91秒，是否意味着总时间为291毫秒，略长于警报功能完成1循环的287ms时间？在这种情况下，1循环在
%%timeit
之后运行3行代码。
timeit
程序会自动选择循环数（本例中为100），以便在某个合理的“超时”内提供更可靠的度量（即，如果运行1个循环的时间长于此“超时”，则只有1个循环，如“使用应用”的情况）。
timeit
的结果应在“每1个循环”的基础上进行比较。这就是为什么会有“运行速度快100倍”的说法：一个2.91毫秒的循环比一个287毫秒的循环快100倍。