Python 如何基于DataFrame下的其他列有条件地选择列，而不使用where函数？

我在

Python2.5

下工作（由于外部api的限制，我只能使用该版本），希望得到与我在

Python2.7

下编写的代码相同的结果

import pandas as pd
df = pd.DataFrame({"lineId":[1,2,3,4], "idCaseMin": [10, 23, 40, 8], "min": [-110, -205, -80, -150], "idCaseMax": [5, 27, 15, 11], "max": [120, 150, 110, 90]})
df = df.set_index("lineId")

df["idMax"] = df["idCaseMax"].where(df["max"]>abs(df["min"]),df["idCaseMin"])

数据帧的结果是：

>>> df
        idCaseMax  max  idCaseMin  min  idMax
lineId                                       
1               5   10        120 -110      5
2              27   23        150 -205     23
3              15   40        110  -80     15
4              11    8         90 -150      8

idMax

列是根据绝对模块中

max

和

min

列中获取最大值的id定义的

我无法使用

where

函数，因为它在

pandas 0.9.0

（最新版本适用于

python 2.5

）和

numpy 1.7.1

下不可用

---

那么，在不使用

pandas

where

函数的情况下，我必须为

idMax

列获得相同的结果，哪些选项？

我们可以使用

apply

函数，如下代码尝试相同的结果：

df["idMax"] = df.apply(lambda row: row["idCaseMax"] if row["max"]>abs(row["min"]) else row["idCaseMin"], axis = 1)

---

我们可以使用下面代码中的

apply

功能尝试相同的结果：

df["idMax"] = df.apply(lambda row: row["idCaseMax"] if row["max"]>abs(row["min"]) else row["idCaseMin"], axis = 1)

IIUC您可以使用：

[120]中的

df['idMax']=\
np.其中（df[“max”]IIUC您可以使用：

[120]中的
df['idMax']=\
np.where（df[“max”]我将尝试为
0.9提供一个优化的解决方案。
IIUC
ix
应该在这里工作

m = df["max"] > df["min"].abs()

i = df.ix[m, 'idCaseMax']
j = df.ix[~m, 'idCaseMin']

df['idMax'] = i.append(j)
df

        idCaseMax  idCaseMin  max  min  idMax
lineId
1               5         10  120 -110      5
2              27         23  150 -205     23
3              15         40  110  -80     15
4              11          8   90 -150      8

我将尝试为
0.9提供一个优化的解决方案。
IIUC
ix
应该可以在这里工作

m = df["max"] > df["min"].abs()

i = df.ix[m, 'idCaseMax']
j = df.ix[~m, 'idCaseMin']

df['idMax'] = i.append(j)
df

        idCaseMax  idCaseMin  max  min  idMax
lineId
1               5         10  120 -110      5
2              27         23  150 -205     23
3              15         40  110  -80     15
4              11          8   90 -150      8

你的熊猫应该有这个

df['idMax']=(df["max"]>abs(df["min"]))* df["idCaseMax"]+(df["max"]<=abs(df["min"]))* df["idCaseMin"]
df
Out[1388]: 
        idCaseMax  idCaseMin  max  min  idMax
lineId                                       
1               5         10  120 -110      5
2              27         23  150 -205     23
3              15         40  110  -80     15
4              11          8   90 -150      8

df['idMax']=（df[“max”]>abs（df[“min”]）*df[“idCaseMax”]+（df[“max”]你的熊猫应该有这个

df['idMax']=(df["max"]>abs(df["min"]))* df["idCaseMax"]+(df["max"]<=abs(df["min"]))* df["idCaseMin"]
df
Out[1388]: 
        idCaseMax  idCaseMin  max  min  idMax
lineId                                       
1               5         10  120 -110      5
2              27         23  150 -205     23
3              15         40  110  -80     15
4              11          8   90 -150      8

df['idMax']=（df[“max”]>abs（df[“min”]）*df[“idCaseMax”]+（df[“max”]@cᴏʟᴅsᴘᴇᴇᴅ, 我认为Numpy where应该在哪里？或者我错了吗？是的，Numpy where子句在
Numpy 1.7.1
version i have；）@c下ᴏʟᴅsᴘᴇᴇᴅ, 为什么？这是一个有效的解决方案，与
相比速度更快。应用（…，axis=1）
基于可读性，我将选择此答案。我发现代码在这里做什么很清楚。与计时相关，我发现这种方式也是最快的。执行耗时0.0秒（与迄今为止所述的所有其他解决方案相比，例如，我的解决方案耗时0.001秒）@CedricZoppolo在更大的数据上测试它：p@cᴏʟᴅsᴘᴇᴇᴅ, 我认为Numpy where应该在哪里？或者我错了吗？是的，Numpy where子句在
Numpy 1.7.1
version i have；）@c下ᴏʟᴅsᴘᴇᴇᴅ, 为什么？这是一个有效的解决方案，与
相比速度更快。应用（…，axis=1）
基于可读性，我将选择此答案。我发现代码在这里做什么很清楚。与计时相关，我发现这种方式也是最快的。执行耗时0.0秒（与到目前为止所述的所有其他解决方案相比，例如，我的解决方案花费了0.001秒）@CedricZoppolo在更大的数据上测试它。：pHuh，你甚至不需要
sort\u index
调用，pandas将自动对齐序列。哈，你甚至不需要
sort\u index
调用，pandas将自动对齐序列。