Python 如何迭代数据帧的所有行，将查找函数应用于字符串值，并将结果应用于新列？

我有一个数据框，每行（个人）有几列个人数据。我想应用一个函数在区域列表中查找每个人的城市或州，然后将结果应用到同一数据框中的新列“Region”

我已经能够使用一个非常简化的数据框，对颜色和车辆进行分类，从而实现相同的操作（见下文）。但当我尝试使用个人数据时，它不会以同样的方式工作，我不明白为什么

我已经阅读了很多关于lambda函数的thead，但是我认为我要问的太复杂了。大多数解决方案处理数值数据，我使用字符串，但正如我所说的，我能够使用一个数据集。显然我是新来的。我也希望你能给我一些建议，告诉我如何把新专栏作为函数的一部分来构建，而不是把它作为一个单独的步骤来构建，但这并不像主要问题那样让我沮丧

此示例适用于： 测向显示器：

    one two three   type
0   1   A   car     
1   2   B   bus     
2   3   C   red     
3   4   D   blue    
4   5   E   truck   
5   6   F   pencil  
6   7   G   yellow  
7   8   H   green   

    Last Name   First Name  Code    Deparment   City        State   Region
0   SMITH       TOM         12  Research        NEW YORK    NY  
1   JONES       DICK        34  Management      BOSTON      MA  
2   WILSON      HARRY       56  Maintenance     SAN FRANCISCO   CA  
3   DOYLE       MICHAEL     78  Marketing       DALLAS      TX  
4   ANDERSON    KEVIN       90  IT              DETROIT     MI  

现在定义列表和自定义函数：

# Definte lists of colors and vehicles
colors = ['red','blue','green','yellow']
vehicles = ['car','truck','bus','motorcycle']

# Create function 'celltype' to return values based on x
def celltype (x):
    if x in colors: return 'color' 
    elif x in vehicles: return 'vehicle'
    else: return 'other'

# Write loop to iterate through df rows and apply function 'celltype' to column 'three' in each row
for index, row in df.iterrows(): 
    row['type'] = celltype(row['three'])

然后构造一个循环，遍历每一行并应用函数：

# Definte lists of colors and vehicles
colors = ['red','blue','green','yellow']
vehicles = ['car','truck','bus','motorcycle']

# Create function 'celltype' to return values based on x
def celltype (x):
    if x in colors: return 'color' 
    elif x in vehicles: return 'vehicle'
    else: return 'other'

# Write loop to iterate through df rows and apply function 'celltype' to column 'three' in each row
for index, row in df.iterrows(): 
    row['type'] = celltype(row['three'])

在这种情况下，结果正是我想要的：

    one two three   type
0   1   A   car     vehicle
1   2   B   bus     vehicle
2   3   C   red     color
3   4   D   blue    color
4   5   E   truck   vehicle
5   6   F   pencil  other
6   7   G   yellow  color
7   8   H   green   color

---

这个例子不起作用，我不知道为什么： df1显示：

    one two three   type
0   1   A   car     
1   2   B   bus     
2   3   C   red     
3   4   D   blue    
4   5   E   truck   
5   6   F   pencil  
6   7   G   yellow  
7   8   H   green   

    Last Name   First Name  Code    Deparment   City        State   Region
0   SMITH       TOM         12  Research        NEW YORK    NY  
1   JONES       DICK        34  Management      BOSTON      MA  
2   WILSON      HARRY       56  Maintenance     SAN FRANCISCO   CA  
3   DOYLE       MICHAEL     78  Marketing       DALLAS      TX  
4   ANDERSON    KEVIN       90  IT              DETROIT     MI  

同样，定义列表和函数：

# Define lists for regions
east = ['NEW YORK','BOSTON']
west = ['SAN FRANCISCO','LOS ANGELES']
south = ['TX']

# Create function 'region' to return values based on x
def region (x):
    if x in east: return 'east' 
    elif x in west: return 'west'
    elif x in south: return 'south'
    else: return 'other'

# Write loop to iterate through df1 rows and apply function 'region' to column 'City' in each row
for index, row in df1.iterrows(): 
    row['Region'] = region(row['City'])
    if row['Region'] == 'other': row['Region'] = region(row['State'])

---

这将导致df1保持不变。“区域”列仍然为空。我们应该看到“东”、“东”、“西”、“南”、“其他”。代码中唯一的区别是附加的“if”语句，用于按州捕获Dallas（这是我的真实数据集所需要的）。但是我认为这行代码是正确的，没有它我也能得到同样的结果。

首先，

apply

和

iterrows

都很慢，所以永远不要使用它们

在这种情况下，我通常会创建一对

向前

和

向后

指令：

forward = {'east': east,
           'west': west,
           'south': south}

backward = {x:k for k,v in forward.items() for x in v}

然后使用

map

进行更新。由于您希望基于两列进行更新，

fillna

将非常有用：

df1['Region'] = (df1['State'].map(backward)
                    .fillna(df1['City'].map(backward))
                    .fillna('other')
                )

给出：

  Last Name First Name  Code    Deparment           City State Region
0     SMITH        TOM    12     Research       NEW YORK    NY   east
1     JONES       DICK    34   Management         BOSTON    MA   east
2    WILSON      HARRY    56  Maintenance  SAN FRANCISCO    CA   west
3     DOYLE    MICHAEL    78    Marketing         DALLAS    TX  south
4  ANDERSON      KEVIN    90           IT        DETROIT    MI  other

---

您的问题在于如何使用

iterrows

。通常，您不应该修改正在迭代的内容。在这种情况下，

iterrows

正在创建数据的副本，因此实际上没有修改

df1

。复制可能会发生，也可能不会发生，这取决于具体情况，所以像这样的事情通常是您希望避免做的

您可以通过在处直接调用数据帧来确保它修改了原始数据帧：

for index, row in df1.iterrows(): 
    df1.at[index, 'Region'] = region(row['City'])
    if df1.at[index, 'Region'] == 'other': df1.at[index, 'Region'] = region(row['State'])

---

非常感谢。这完全奏效了，而且就你的观点而言，它更快，即使使用真实世界的数据。对我来说，倒着念是个新把戏。谢谢你的提示，这是个好提示。iterrows代码使用一个数据集而不使用另一个数据集，这让我很困惑，但我想这是不可预测的。当我使用它时，我通过删除“Code”列使df1数据集工作。关于它的某些东西可能偶然发现了数字数据？但无论哪种方式，选择的答案都可能是一种比最初使用iterrows更好的方法。谢谢你的帮助。@WilliamCollins没问题。改变某些东西可能会使它工作，但由于你做它的方式的不可预测性，你仍然不想这样做，因为它可能并不总是工作。我的回答是试图向你解释为什么你的代码不起作用。但是，另一种解决方案肯定更快，而且可能更好。