Python Pandas-在数据帧中创建新列时if函数出错

我在df

草稿

中有一列

lastsquare

类型对象（无NULL或NaN）。我想创建一个新的列

Age\u retired

，该列基于

lastseasy

最后两位数字与50的比较

这是上一季的专栏

0       1993-94
1       1990-91
2       1993-94
3       1997-98
Name: lastseason, dtype: object

提取最后2位数字并转换为数字

print pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce')
0       94
1       91
2       94
3       98
Name: lastseason, dtype: int64

创建列

Age\u retired

if pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce') <50:
 draft['Age_retired'] = 2000 + pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce')
else:
 draft['Age_retired'] = 1900 + pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce')

---

if pd.to_numeric（draft['lastseason'].astype（'str'）.str[-2:]，errors='胁迫'）Yes，if-else构造将不会按元素进行计算。但是，使用series
.map
方法可以很容易地解决这个问题，该方法应用了一个函数元素。首先定义函数，然后映射它。您只需将映射结果分配到
draft['age\u retired']
即可创建新列

In [10]: def add_age_retired(x):
             if x < 50:
                 return 2000 + x
             else:
                 return 1900 + x


In [11]: pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce').map(add_age_retired)
Out[11]: 
0    1994
1    1991
2    1994
3    1998
Name: lastseason, dtype: int64

In [12]: draft['Age_retired'] = pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce').map(add_age_retired)

In [13]: draft
Out[13]: 
  lastseason  Age_retired
0    1993-94         1994
1    1990-91         1991
2    1993-94         1994
3    1997-98         1998

[10]中的
def add_age_retired（x）：
如果x<50：
返回2000+x
其他：
返回1900+x
在[11]中：pd.to_numeric（草稿['lastseason'].astype（'str'）.str[-2:]，errors='胁迫'）.map（添加退休年龄）
出[11]：
0    1994
1    1991
2    1994
3    1998
姓名：lastseason，数据类型：int64
在[12]中：draft['Age\u retired']=pd.to\u numeric（draft['lastsearch'].astype（'str'）.str[-2:]，errors='concurve'）.map（添加退休年龄）
在[13]中：草稿
出[13]：
上赛季退休
0    1993-94         1994
1    1990-91         1991
2    1993-94         1994
3    1997-98         1998
是的，if-else构造不会按元素计算。但是，使用series
.map
方法可以很容易地解决这个问题，该方法应用了一个函数元素。首先定义函数，然后映射它。您只需将映射结果分配到
draft['age\u retired']
即可创建新列

In [10]: def add_age_retired(x):
             if x < 50:
                 return 2000 + x
             else:
                 return 1900 + x


In [11]: pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce').map(add_age_retired)
Out[11]: 
0    1994
1    1991
2    1994
3    1998
Name: lastseason, dtype: int64

In [12]: draft['Age_retired'] = pd.to_numeric(draft['lastseason'].astype('str').str[-2:],errors='coerce').map(add_age_retired)

In [13]: draft
Out[13]: 
  lastseason  Age_retired
0    1993-94         1994
1    1990-91         1991
2    1993-94         1994
3    1997-98         1998

[10]中的
def add_age_retired（x）：
如果x<50：
返回2000+x
其他：
返回1900+x
在[11]中：pd.to_numeric（草稿['lastseason'].astype（'str'）.str[-2:]，errors='胁迫'）.map（添加退休年龄）
出[11]：
0    1994
1    1991
2    1994
3    1998
姓名：lastseason，数据类型：int64
在[12]中：draft['Age\u retired']=pd.to\u numeric（draft['lastsearch'].astype（'str'）.str[-2:]，errors='concurve'）.map（添加退休年龄）
在[13]中：草稿
出[13]：
上赛季退休
0    1993-94         1994
1    1990-91         1991
2    1993-94         1994
3    1997-98         1998
谢谢@juanpa.arrivillaga。好奇的是，在不定义新函数的情况下，是否还有其他方法可以做同样的事情？@Square9627如果不想定义新函数，可以使用lambda函数：
…map（lambda x:2000+x如果<50 else 1900+x）
谢谢@juanpa.arrivillaga。好奇的是，在不定义新函数的情况下，是否还有其他方法可以做同样的事情？@Square9627如果不想定义新函数，可以使用lambda函数：
…map（lambda x:2000+x if<50 else 1900+x）