Python Pandas:numpy.where具有多个条件的逻辑

Python数据科学新手

下面是我的原始数据

raw_data = {'var1': ['true','false','ture'],'var2': [10,20,50], 'var3':['eggs','milk','eggs']}
df = pd.DataFrame(raw_data, columns = ['var1','var2','var3'])`

经验丰富的代码但不起作用

def my_fun (var1,var2,var3,var4):
    df[var4]= np.where((df[var1] == 'true', 
                       df[var3] == 'eggs',
                       df[var2] < 10),
                       'hello',
                       'zello')
return df

def my_-fun（var1、var2、var3、var4）：
df[var4]=np.其中（（df[var1]=='true'，
df[var3]=“鸡蛋”，
df[var2]<10），
“你好”，
"泽洛")
返回df

---

这里我喜欢使用var1、var2和var3条件，并得到条件结果。请帮助

首先使用布尔值

True

/

False

而不是字符串来简化逻辑。要将此转换应用于系列

'var1'

：

df['var1'] = df['var1'] == 'true'

然后，您可以使用位运算符

&

比较布尔级数：

def my_fun (var1,var2,var3,var4):
    df[var4]= np.where(df[var1] & df[var3].eq('eggs') & df[var2].lt(10),
                       'hello', 'zello')
    return df

效率较低的替代方法是使用

np.logical\u和.reduce

：

def my_fun (var1,var2,var3,var4):
    conds = (df[var1], df[var3] == 'eggs', df[var2] < 10)
    df[var4]= np.where(np.logical_and.reduce(conds), 'hello', 'zello')
    return df

def my_-fun（var1、var2、var3、var4）：
条件=（df[var1]，df[var3]=‘鸡蛋’，df[var2]<10）
df[var4]=np.where（np.logical_和.reduce（conds），'hello'，'zello'）
返回df

“但不工作”-请包含完整的错误消息。另外，您可能应该使用

True

和

False

而不是

“True”

和

“False”

。更不用说

True

而不是

“True”

您也可以使用

numpy。所有
都带有
轴
参数，或者只
&
两次。@jpp对于像这样的少量数据，可能没有什么区别，但是如果有任何显著的数据，
np.logical_和
将在缩减过程中浪费大量的时间来处理序列对象（可能是因为它没有针对按位and这样的数据进行优化）。当然，您可以在任何地方使用
.values
来避免这种情况，但这会变得非常冗长。@jpp非常有效。可以在np中添加附加条件。在哪里？（df[var1].values=='true'）&（df[var3].values=='egs'）&（df[var2].values==10），'equal'@jpp我接受你的答案。但是，我可以通过添加附加的np.where来添加新的条件。非常感谢你。