Python—添加考虑其他列值的新列，以创建新列的值

所以我想在我的数据框架中创建一个新列，我们称之为“结果”。我希望“结果”中的每个值都根据其他两列中的值来确定。假设这是我的数据帧：

raw_data = {
        'subject_id': ['1', '2', '3', '4', '5'],
        'first_name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'], 
        'last_name': ['Anderson', 'Ackerman', 'Ali', 'Aoni', 'Atiches']}
df_a = pd.DataFrame(raw_data, columns = ['subject_id', 'first_name', 'last_name'])

这就是out dataframe的外观：

  subject_id first_name last_name
0          1       Alex  Anderson
1          2        Amy  Ackerman
2          3      Allen       Ali
3          4      Alice      Aoni
4          5     Ayoung   Atiches

所以我想创建一个新的列，它采用如下逻辑：

if(df_a[df_a['subject_id'] == 2] & df_a[df_a['first_name'] == 'Amy']):
  df_a['outcome'] = 2
elif(df_a[df_a['subject_id'] > 0] & df_a[df_a['first_name'] == 'Alice']):
  df_a['outcome'] = 1
else:
  df_a['outcome'] = 0

  subject_id first_name last_name outcome
0          1       Alex  Anderson   0
1          2        Amy  Ackerman   2
2          3      Allen       Ali   0
3          4      Alice      Aoni   1
4          5     Ayoung   Atiches   0

但我似乎无法让它正常工作。我希望新专栏的内容如下：

if(df_a[df_a['subject_id'] == 2] & df_a[df_a['first_name'] == 'Amy']):
  df_a['outcome'] = 2
elif(df_a[df_a['subject_id'] > 0] & df_a[df_a['first_name'] == 'Alice']):
  df_a['outcome'] = 1
else:
  df_a['outcome'] = 0

  subject_id first_name last_name outcome
0          1       Alex  Anderson   0
1          2        Amy  Ackerman   2
2          3      Allen       Ali   0
3          4      Alice      Aoni   1
4          5     Ayoung   Atiches   0

使用或：

或：

---

虽然没有上面提到的那么好，但是看看你想做什么，这对你来说很重要。

使用

np.where

？或者，

np。选择

@cᴏʟᴅsᴘᴇᴇᴅ 如何在多个条件下使用np.where？我将向您展示..

c1=（df_a['subject\u id']='2'）&（df_a['first\u name']='Amy'）；c2=（df_a['subject_id']>'0'）和（df_a['first_name']='Alice'）

和，

np.where（c1，'2'，np.where（c2，'1'，'0'））

subject_id

是一个字符串。。。你在比较整数。你会出错的。我猜你没有运行你的代码？是的，我运行了。只是忘了提过。

df_a.loc[(df_a['subject_id'] == 2) & (df_a['first_name'] == 'Amy'),'outcome']=2
df_a.loc[(df_a['subject_id'] > 0 ) & (df_a['first_name'] == 'Alice'),'outcome']=1
df_a['outcome'].fillna(0)