Python 对一列使用多个条件来指定新列的值

我试图根据现有列中的字符串为数据分配8个标签中的一个。但是，使用我正在使用的方法，我会出现以下错误：

ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

我有144个不同的字符串，我想分配给8个标签

这里有一个简单的例子来说明我的意思。如果A是我的数据帧中的现有列，我想创建B，并根据A的值分配字符串

数据帧：

   A     B
0  1   low
1  1   low
2  2   mid
3  3   mid
4  5  high
5  4   mid
6  2   mid
7  5  high

我当前使用的代码类似于：

for index, row in df.iterrows():
    if df['A'] == 1:
        df['Label'] = 'low'
    elif any([df['A'] == 2, df['A'] == 3, df['A'] == 4]):
        df['Label'] = 'mid'
    elif df['A'] == 5:
        df['Label'] = 'high'

我认为是使用any（）给了我错误。 据我所知，这是因为熊猫是如何工作的，但我并不真正理解它。有没有更简单的方法

---

任何帮助或指示都将不胜感激：）

使用

.loc

，索引中的条件如下：

将熊猫作为pd导入
从io导入StringIO
df=pd.read\u csv（StringIO（“”）
A.
0  1
1  1
2  2
3  3
4  5
5  4
6  2
7  5
“”，sep=r“\s+”）
df.loc[df[“A”]==1，“B”]=“低”
df.loc[df[“A”].isin（（2,3,4）），“B”]=“mid”
df.loc[df[“A”]=“5，”B”]=“高”
打印（df）

输出：

   A     B
0  1   low
1  1   low
2  2   mid
3  3   mid
4  5  high
5  4   mid
6  2   mid
7  5  high

---

这里不需要

itterrows

，这是一个很慢的问题

方法1

---

方法2

---

评论中@anky_91的回答简单地解决了问题：

l=[df.A.eq(1),df.A.isin([2,3,4]),df.A.eq(5)]
df['B']=np.select(l,['low','mid','high'])

这是快得多，工作得很好

---

谢谢大家的帮助！：）

为什么不简单地创建一个函数并将其应用于列，如此简单，如此通俗

def mapper(x):
     if x == 1:
        return 'low'
     elif x for i in [2, 3, 4]):
        return 'mid'
     elif x == 5:
        return 'high'
     else:
        return 'wtf'

df['B'] = df['A'].apply(mapper)

另一种方法是从映射字典创建一个数据帧并进行连接，这更直观

或者另一种方法是为序列引用映射函数

---

理想情况下，我更喜欢从下到上按复杂度递增的顺序排列

似乎你永远不会达到“高”的状态，这就是你想要的吗？

l=[df.A.eq（1），df.A.isin（[2,3,4]），df.A.eq（5）]

然后

df['B']=np.选择（l，['low'，'mid'，'high']）

我会做得更快。不要在这种情况下使用Itrows。我想我已经接触过好几次了。A列中有两个5的例子。但是根据你的情况，它应该评估为“中”，不是吗？啊，抱歉-那是一个打字错误。它应该是一个4。现在更正。

l=[df.A.eq(1),df.A.isin([2,3,4]),df.A.eq(5)]
df['B']=np.select(l,['low','mid','high'])

def mapper(x):
     if x == 1:
        return 'low'
     elif x for i in [2, 3, 4]):
        return 'mid'
     elif x == 5:
        return 'high'
     else:
        return 'wtf'

df['B'] = df['A'].apply(mapper)