Python 为与其他列中的条件匹配的行将函数的输出分配给dataframe列

如图所示，我有一个数据框'df'，其中列'a'，'B'。我想创建一个新列'C'，并将其分配给函数func（）的输出。但是，限制条件是，只有那些行（在“C”中）被分配了列“A”条目与“abc”匹配的值。对于这些行，func（）的输入变量将是'B'列的相应条目

例如，在所附照片中，第0行和第2行的列'A'值为'abc'。对于此类行，'C'中的值应通过func（）使用列'B'中的值来计算（在这种情况下，“2222”或“4444”）

注意：变量'var2'，'var3'是在我的程序中其他地方派生的一些值。在这里，我们可以把它们当作常量来讨论

当然，我可以使用“for循环”来实现这一点，但是，我想知道是否有任何有效的方法可以使用pandas或numpy来实现这一点。我尝试使用“.where”方法，但func（）似乎将整个列“B”解释为它的输入，而不是接受列“B”的每个元素（即“2222”或“4444”）

def func（var1、var2、var3）：
返回（输出）
将numpy作为np导入
df['C']=np.where（数据['A']='abc'，func（数据['B']，var2，var3），“”）

IIUC，您可以使用

.loc

方法访问数据框中的每个项目，并使用

.apply（）

将分配应用到其中：

不确定您有多少个条件，但模仿上面的代码：

df.loc[df['A'] == 'abc', 'C'] = df['B'].apply(func)

比如说,

import pandas as pd
a = ['abc','b','abc']
b = [1,2,3]
df = pd.DataFrame({'A' : a,
              'B' : b})
print(df)
   A  B
0  abc  1
1    b  2
2  abc  3
df.loc[df['A'] == 'abc','C'] = df['B'].apply(lambda x : x ** 2)
   A    B    C
0  abc  1  1.0
1    b  2  NaN
2  abc  3  9.0

如果您的逻辑更复杂，您可以使用

np。选择
，如下所示：

conditions  = [ df['B'] >= 3, (df['B'] < 3) & (df['B']> 1), df['B'] <= 1]
choices     = [ "high", 'medium', 'low' ]

df["C"] = np.select(conditions, choices, default=np.nan)

print(df)
     A  B       C
0  abc  1     low
1    b  2  medium
2  abc  3    high

conditions=[df['B']>=3，（df['B']<3）和（df['B']>1），df['B']Hi@datanoveler，感谢您的响应。在我的例子中，func（）接受多个输入，与func（var1，var2）类似，其中var1是“B”列的值，而var2是常量。我想知道您的代码需要如何修改“.apply”（func）'以便将var1和var2反映为func（）的输入。您能告诉我在这种情况下您的代码是如何修改的吗？我对这么多实现这一点的技巧感到惊讶，感谢您的编辑！您的建议通常是有效的，但是，在我的情况下，函数'func（var1，var2）'会在其他地方查询数据库以根据其输出进行派生（返回的值）。然后应将返回的值放在“C”列中。我想知道您是否有任何建议来完成此操作？顺便说一句，我也编辑了我的原始问题描述以使其更清楚。@Sinha您是否能够显示数据示例和预期输出？
conditions  = [ df['B'] >= 3, (df['B'] < 3) & (df['B']> 1), df['B'] <= 1]
choices     = [ "high", 'medium', 'low' ]

df["C"] = np.select(conditions, choices, default=np.nan)

print(df)
     A  B       C
0  abc  1     low
1    b  2  medium
2  abc  3    high