Python 添加一列，该列的值可以是多个不同的值

我正在尝试向pandas数据集添加一个新列，该数据集从一列中提取数字月份，并将相应的季节存储到新列中

所以实质上,

if month == 12, season = 'Winter'
elif month == 2, season = 'Spring'
elif month == 5, season = 'Summer'
else month == 8, season = 'Fall'

我还没有看到一个真正明确的解决方案。我已经了解了如何使用2个条件值，但我对pandas和python还是相当陌生的

---

编辑：我可以使用下面列出的解决方案之一（谢谢！），但我应该提到，我还需要包括第1、3、4、6、7、9、10、11个月，请尝试以下内容。公平警告，因为没有给出输入和预期输出的样本，所以没有对其进行测试

import pandas as pd
import numpy as np
conditions=[df['month']==12,
            df['month']==2,
            df['month']==5,
            df['month']==8]
choices=['Winter','spring','Summer','fall']

df['season']=np.select(conditions,choices,default=np.nan)

---

你能试试下面的吗。公平警告，因为没有给出输入和预期输出的样本，所以没有对其进行测试

import pandas as pd
import numpy as np
conditions=[df['month']==12,
            df['month']==2,
            df['month']==5,
            df['month']==8]
choices=['Winter','spring','Summer','fall']

df['season']=np.select(conditions,choices,default=np.nan)

---

您可以创建一个自定义函数并使用

.apply（函数名，axis=1）

，也可以将

np.where（）

与所有条件一起使用。我将使用

np.where（）

仅针对4个条件：

df['season'] = np.where(df['month'] == 12,'Winter',
      np.where(df['month'] == 2,'Spring',
             np.where(df['month'] == 5,'Summer',
                    np.where(df['month'] == 8,'fall',np.nan))))

以下是一个例子：

import pandas as pd
import numpy as np
data = {'month':[2,5,3,11,12]}
df = pd.DataFrame(data)

df['season'] = np.where(df['month'] == 12,'Winter',
      np.where(df['month'] == 2,'Spring',
             np.where(df['month'] == 5,'Summer',
                    np.where(df['month'] == 8,'fall',np.nan))))
print(df)

输出：

   month  season
0      2  Spring
1      5  Summer
2      3     nan
3     11     nan
4     12  Winter

---

您可以创建一个自定义函数并使用

.apply（函数名，axis=1）

，也可以将

np.where（）

与所有条件一起使用。我将使用

np.where（）

仅针对4个条件：

df['season'] = np.where(df['month'] == 12,'Winter',
      np.where(df['month'] == 2,'Spring',
             np.where(df['month'] == 5,'Summer',
                    np.where(df['month'] == 8,'fall',np.nan))))

以下是一个例子：

import pandas as pd
import numpy as np
data = {'month':[2,5,3,11,12]}
df = pd.DataFrame(data)

df['season'] = np.where(df['month'] == 12,'Winter',
      np.where(df['month'] == 2,'Spring',
             np.where(df['month'] == 5,'Summer',
                    np.where(df['month'] == 8,'fall',np.nan))))
print(df)

输出：

   month  season
0      2  Spring
1      5  Summer
2      3     nan
3     11     nan
4     12  Winter

---

您可以创建带有相应编号和季节名称的词典，然后将其映射到新系列：

season_dict = {12: "Winter",
              2: "Spring",
              5: "Summer",
              8: "Fall"}

df["season"] = df.month.replace(season_dict)

---

您可以创建带有相应编号和季节名称的词典，然后将其映射到新系列：

season_dict = {12: "Winter",
              2: "Spring",
              5: "Summer",
              8: "Fall"}

df["season"] = df.month.replace(season_dict)

---

因为您已经通过pandas使用了numpy，所以最好的方法是通过np.where命令

df['seasure']=np.其中（df['month']==11 | df['month']==12 | df['month']==1，‘Winter’）
df['seasure']=np.其中（df['month']==2 | df['month']==3 | df['month']==4，‘Spring’）
df['seasure']=np.其中（df['month']==5 | df['month']==6 | df['month']==7，‘Summer’）
df['seasure']=np.其中（df['month']==8 | df['month']==9 | df['month']==10，‘Fall’）

---

希望这有帮助

因为您已经通过pandas使用了numpy，所以最好的方法是通过np.where命令

season_map = {12: "Winter",
              2: "Spring",
              5: "Summer",
              8: "Fall"} # Add the rest to this dictionary

df['season'] = df['month_num'].apply(lambda x: season_map[x]) 
# 'season' is the new column, replace 'month_num' accordingly

df['seasure']=np.其中（df['month']==11 | df['month']==12 | df['month']==1，‘Winter’）
df['seasure']=np.其中（df['month']==2 | df['month']==3 | df['month']==4，‘Spring’）
df['seasure']=np.其中（df['month']==5 | df['month']==6 | df['month']==7，‘Summer’）
df['seasure']=np.其中（df['month']==8 | df['month']==9 | df['month']==10，‘Fall’）

---

希望这有帮助

这里有一些野生的解决方案

season_map = {12: "Winter",
              2: "Spring",
              5: "Summer",
              8: "Fall"} # Add the rest to this dictionary

df['season'] = df['month_num'].apply(lambda x: season_map[x]) 
# 'season' is the new column, replace 'month_num' accordingly

这显然不是一个完整的示例，但足以理解您需要做什么：

#月号图->季名
月份_dict={12:'冬季'，2:'春季'，…}
df[‘季节’]=df[‘月数’]。地图（月数）

是的，就是这样

---

如果您有任何问题，请告诉我：）

这里有一些疯狂的解决方案

这显然不是一个完整的示例，但足以理解您需要做什么：

#月号图->季名
月份_dict={12:'冬季'，2:'春季'，…}
df[‘季节’]=df[‘月数’]。地图（月数）

是的，就是这样

---

---

如果您有任何问题，请告诉我：）

我假设您有一个包含多个月条目的大型df。如果您使用month-seasure（aka

df.shape=（2,12）

）创建df，那么您可以在month列上进行连接。您做了哪些尝试来解决此问题？你尝试过什么吗？还有，你尝试过哪种解决方案？我相信我的是其中最简单的。我假设你有一个大的df，有很多个月的条目。如果您使用month-seasure（aka

df.shape=（2,12）

）创建df，那么您可以在month列上进行连接。您做了哪些尝试来解决此问题？你尝试过什么吗？还有，你尝试过哪种解决方案？我相信我的是他们中最简单的一个。这确实有效，是的。只需添加每个选项的副本，以对应我没有明确列出的月份。请注意，其中有一个不匹配的引用。@AlexanderCécile，感谢buddy让我知道，我现在修复了它，非常感谢。@Michael，很高兴它帮助了你。找个时间，当你的问题没有答案时，你也可以选择“任何人”作为正确答案，干杯。@Alexander Cécile，嗨Alex，如果你不是被否决的选民，请道歉，如果你已经放弃投票，那么请让我知道同样的原因，谢谢。这确实有效，是的。只需添加每个选项的副本，以对应我没有明确列出的月份。请注意，其中有一个不匹配的引用。@AlexanderCécile，感谢buddy让我知道，我现在修复了它，非常感谢。@Michael，很高兴它帮助了你。有时间，当你对你的问题几乎没有答案时，你也可以选择“任何人”作为正确答案，干杯。@Alexander Cécile，嗨Alex，如果你不是被否决的选民，很抱歉，如果你已经放弃了投票，那么请让我知道同样的原因，谢谢。

df['seasure']=df['month_num'].apply（lambda x:seasure_map[x])

-->

df['seasure']=df['month\u num'].map（seasure\u map）

我不明白为什么我的答案被否决了。随附的关于我的代码哪里出错的解释将是受欢迎和有益的。请参阅我上面的评论。

df['seasure']=df['month\u num'].apply（lambda x:seasure\u map[x]）

-->df['seasure']=df['month\u num'].map（seasure\u map）我不明白为什么我的答案被否决了。关于我的代码错在哪里的附带解释将是受欢迎和有益的。请参阅我上面的评论。

numpy.where（）

在这里完全没有必要吗？我的意思是，这是一种方法。。。不过，您的方法肯定要简单一些：）根据我有限的经验，我不熟悉.map命令。一般的方法很好，我的意思是

where（）

是