python中DataFrame中列的条件更新

我需要根据其中一列中的值有条件地更新dataframe中的一列

例如，基于COL9中的值，我希望新列COL10具有值a/B/C（假设基于以下条件）

预期产出：

      col1..col8      col9     col10
0      0.788310     0.211690      A
1      0.293871     0.706129      B
2      0.002207     0.997793      C
3      0.047834     0.952166      C

能否以高效的方式实现这一点？

您可以使用

pd.cut（）

并以您想要的方式标记类别：

import pandas as pd
df['col10'] = pd.cut(df['col9'], [0, 0.5, 0.75, 1], labels = list("ABC"))

您可以使用

pd.cut（）

并按照您想要的方式标记类别：

import pandas as pd
df['col10'] = pd.cut(df['col9'], [0, 0.5, 0.75, 1], labels = list("ABC"))

---

这是用户定义函数（UDF）的理想情况。如果您需要更多的灵活性（例如，从您的输入创建多个列），那么您可以查看

您的UDF将如下所示：

from pyspark.sql.functions import udf

def colToString(num):
    if num >= 0 and num < 0.5: return 'A'
    elif num >= 0.5 and num < 0.75: return 'B'
    elif num >= 0.75 and num < 1.0: return 'C'
    else: return 'D'

myUdf = udf(colToString, StringType())
df.withColumn("col10", myUdf('col9'))

从pyspark.sql.functions导入udf
def冷管串（数量）：
如果num>=0且num<0.5：返回“A”
elif num>=0.5且num<0.75：返回“B”
elif num>=0.75且num<1.0：返回“C”
其他：返回'D'
myUdf=udf（colToString，StringType（））
df.withColumn（“col10”，myUdf（“col9”））

这里，

myUdf

接受一个双精度参数并返回一个字符串。从输入列中读取双精度值，

col9

---

关键是要使用数据帧操作来执行此操作，而不是熊猫。Pandas不会以分布式方式执行您的操作，而Spark会。

这是用户定义函数（UDF）的理想情况。如果您需要更多的灵活性（例如，从您的输入创建多个列），那么您可以查看

您的UDF将如下所示：

from pyspark.sql.functions import udf

def colToString(num):
    if num >= 0 and num < 0.5: return 'A'
    elif num >= 0.5 and num < 0.75: return 'B'
    elif num >= 0.75 and num < 1.0: return 'C'
    else: return 'D'

myUdf = udf(colToString, StringType())
df.withColumn("col10", myUdf('col9'))

从pyspark.sql.functions导入udf
def冷管串（数量）：
如果num>=0且num<0.5：返回“A”
elif num>=0.5且num<0.75：返回“B”
elif num>=0.75且num<1.0：返回“C”
其他：返回'D'
myUdf=udf（colToString，StringType（））
df.withColumn（“col10”，myUdf（“col9”））

这里，

myUdf

接受一个双精度参数并返回一个字符串。从输入列中读取双精度值，

col9

---

关键是要使用数据帧操作来执行此操作，而不是熊猫。Pandas不会以分布式方式执行您的操作，而Spark会。

使用Pandas数据帧有一个很好的答案，因为您在标签中提到了pyspark，我想您是指Spark数据帧

如果是这样，您可以这样做：

import pyspark.sql.functions.when,lit

newDF = df.withColumn("col10", when(df["col9"] < 0.5, lit("A")).otherwise(when(df["col9"] > 0.75, lit("C")).otherwise(lit("B"))

导入pyspark.sql.functions.when，点亮
newDF=df.withColumn（“col10”），当（df[“col9”]<0.5，点亮（“A”）。否则（df[“col9”]>0.75，点亮（“C”）。否则（点亮（“B”））

---

我假设列的合法值为0-1，但如果您需要显式检查它们，您可以简单地更改条件，并为非法值添加一个额外的when/other

，而使用pandas dataframes有一个非常好的答案，因为您在标记中提到了pyspark，我假设您是指spark dataframes

如果是这样，您可以这样做：

import pyspark.sql.functions.when,lit

newDF = df.withColumn("col10", when(df["col9"] < 0.5, lit("A")).otherwise(when(df["col9"] > 0.75, lit("C")).otherwise(lit("B"))

导入pyspark.sql.functions.when，点亮
newDF=df.withColumn（“col10”），当（df[“col9”]<0.5，点亮（“A”）。否则（df[“col9”]>0.75，点亮（“C”）。否则（点亮（“B”））

---

我假设列的合法值为0-1，但是如果您需要显式地检查它们，您可以简单地更改条件，并为非法值添加一个额外的when/other

谢谢…我使用了：df2['col10']=df2['col9'].map（lambda x:C'if x<0.5 else'B'if x<0.75 else'A'）。谢谢…我使用了：df2['col10']=df2['col9'].map（λx：如果x<0.5，则为“C”，如果x<0.75，则为“B”，否则为“A”）