Python 如何根据条件为df的列赋值？

我需要根据条件为

df

的列赋值。 如果

df.condition>0

，

df.result=df.data1

，如果

df.condition为您的条件创建布尔掩码，并使用它们来选择赋值左侧和右侧的行。


测向头（15）
数据a b数据2
0   1.864896  81  30      0
1  -0.059083  81  93      0
2  -0.953324  89   1      0
3   0.367495   2  68      0
4  -1.537818  70  88      0
5  -1.118238  76  35      0
6  -0.017608  46  68      0
7   1.571796  12  95      0
8   0.683234  44   7      0
9  -1.320751  50  42      0
10 -0.463197  19  66      0
11  0.786541  44  32      0
12 -0.171833  28  26      0
13  1.668763  75   7      0
14  0.846662  42  56      0
>>>gt=df.data>0
>>>lt=df.data<0
>>>df.loc[gt，'a']=df.loc[gt，'data2']
>>>df.loc[lt，'b']=df.loc[lt，'data2']
>>>测向头（15）
数据a b数据2
0   1.864896   0  30      0
1  -0.059083  81   0      0
2  -0.953324  89   0      0
3   0.367495   0  68      0
4  -1.537818  70   0      0
5  -1.118238  76   0      0
6  -0.017608  46   0      0
7   1.571796   0  95      0
8   0.683234   0   7      0
9  -1.320751  50   0      0
10 -0.463197  19   0      0
11  0.786541   0  32      0
12 -0.171833  28   0      0
13  1.668763   0   7      0
14  0.846662   0  56      0

---

使用时必须反转逻辑，因为它只会更改不满足条件的值

>>> df.head(10)
       data   a   b  data2
0  1.046114  41  66      0
1  0.156532  65  46      0
2 -0.768515  56  36      0
3  0.640834  36  89      0
4  0.008113  39  26      0
5 -0.528028  63  49      0
6 -1.343293  87  94      0
7  1.076804   5  26      0
8  0.172443   9  57      0
9 -0.375729  84  47      0
>>> gt = df.data > 0
>>> lt = df.data < 0
>>> df.b.where(gt,df.data2,inplace=True)
>>> df.a.where(lt,df.data2,inplace=True)
>>> df.head(10)
       data   a   b  data2
0  1.046114   0  66      0
1  0.156532   0  46      0
2 -0.768515  56   0      0
3  0.640834   0  89      0
4  0.008113   0  26      0
5 -0.528028  63   0      0
6 -1.343293  87   0      0
7  1.076804   0  26      0
8  0.172443   0  57      0
9 -0.375729  84   0      0
>>>

测向头（10） 数据a b数据2 0 1.046114 41 66 0 1 0.156532 65 46 0 2 -0.768515 56 36 0 3 0.640834 36 89 0 4 0.008113 39 26 0 5 -0.528028 63 49 0 6 -1.343293 87 94 0 7 1.076804 5 26 0 8 0.172443 9 57 0 9 -0.375729 84 47 0 >>>gt=df.data>0 >>>lt=df.data<0 >>>df.b.where（gt，df.data2，inplace=True） >>>df.a.where（lt，df.data2，inplace=True） >>>测向头（10） 数据a b数据2 0 1.046114 0 66 0 1 0.156532 0 46 0 2 -0.768515 56 0 0 3 0.640834 0 89 0 4 0.008113 0 26 0 5 -0.528028 63 0 0 6 -1.343293 87 0 0 7 1.076804 0 26 0 8 0.172443 0 57 0 9 -0.375729 84 0 0 >>>

---

深入研究。我想到了一种方法，此外，我将学习numpy。如果您能够根据示例输入发布预期的输出，那么againIt将非常棒。

def main():
    condition = {"condition": np.random.randn(200)}
    df = pd.DataFrame(condition)
    df['data1']=np.random.randint(1,100, len(df))
    df['data2']=np.random.randint(1,100, len(df))
    df['result']=0
    gt=df.condition>0
    lt=df.condition<0
    df.result.where(gt,df.data2,inplace=True)
    df.result.where(lt,df.data1,inplace=True)
    print (df.head(10))
    return

main()

   condition  data1  data2  result
0  -1.580927     63     23      23
1  -1.549005     94     20      20
2   2.153873     18     83      18
3  -0.115974     31      8       8
4  -0.726009     61     38      38
5   2.039930     96     63      96
6  -1.523605     94     96      96
7  -0.157509      8      4       4
8  -0.166163     11     21      21
9  -0.540077     14     64      64

import pandas as pd
import numpy as np


def main():
    condition = {"condition": np.random.randn(200)}
    df = pd.DataFrame(condition)
    df['data1'] = np.random.randint(1, 100, len(df))
    df['data2'] = np.random.randint(1, 100, len(df))
    df['result'] = np.where(df['condition'] > 0, df['data1'], df['data2'])
    print (df.head(10))

main()

>>> df.head(15)
        data   a   b  data2
0   1.864896  81  30      0
1  -0.059083  81  93      0
2  -0.953324  89   1      0
3   0.367495   2  68      0
4  -1.537818  70  88      0
5  -1.118238  76  35      0
6  -0.017608  46  68      0
7   1.571796  12  95      0
8   0.683234  44   7      0
9  -1.320751  50  42      0
10 -0.463197  19  66      0
11  0.786541  44  32      0
12 -0.171833  28  26      0
13  1.668763  75   7      0
14  0.846662  42  56      0
>>> gt = df.data > 0
>>> lt = df.data < 0
>>> df.loc[gt,'a'] = df.loc[gt,'data2']
>>> df.loc[lt,'b'] = df.loc[lt,'data2']
>>> df.head(15)
        data   a   b  data2
0   1.864896   0  30      0
1  -0.059083  81   0      0
2  -0.953324  89   0      0
3   0.367495   0  68      0
4  -1.537818  70   0      0
5  -1.118238  76   0      0
6  -0.017608  46   0      0
7   1.571796   0  95      0
8   0.683234   0   7      0
9  -1.320751  50   0      0
10 -0.463197  19   0      0
11  0.786541   0  32      0
12 -0.171833  28   0      0
13  1.668763   0   7      0
14  0.846662   0  56      0

>>> df.head(10)
       data   a   b  data2
0  1.046114  41  66      0
1  0.156532  65  46      0
2 -0.768515  56  36      0
3  0.640834  36  89      0
4  0.008113  39  26      0
5 -0.528028  63  49      0
6 -1.343293  87  94      0
7  1.076804   5  26      0
8  0.172443   9  57      0
9 -0.375729  84  47      0
>>> gt = df.data > 0
>>> lt = df.data < 0
>>> df.b.where(gt,df.data2,inplace=True)
>>> df.a.where(lt,df.data2,inplace=True)
>>> df.head(10)
       data   a   b  data2
0  1.046114   0  66      0
1  0.156532   0  46      0
2 -0.768515  56   0      0
3  0.640834   0  89      0
4  0.008113   0  26      0
5 -0.528028  63   0      0
6 -1.343293  87   0      0
7  1.076804   0  26      0
8  0.172443   0  57      0
9 -0.375729  84   0      0
>>>