Python 嵌套np.where

我有以下数据帧：

S A
1 1
1 0
2 1
2 0

我想创建一个新的“Result”列，该列根据列a和列S的值进行计算

我编写了以下嵌套的np.where代码

但是当我执行它时，我得到以下错误：

SyntaxError: invalid syntax

我的代码有什么问题？

据我所知，np.where不支持多个返回语句，至少不支持两个以上。因此，要么重写np.where以得到一个True和一个False语句，并为True/False返回1/0，要么需要使用掩码

如果重写np.where，将限制为两个结果，并且当条件不为真时，将始终设置第二个结果。因此，它也将为S==5&A=np.nan等值设置

使用遮罩时，可以应用任意数量的条件和结果。对于您的示例，解决方案如下所示：

mask_0 = ((df.S == 1) & (df.A == 0)) | ((df.S == 2) & (df.A == 1))
mask_1 = ((df.S == 1) & (df.A == 1)) | ((df.S == 2) & (df.A == 0))
df.loc[mask_0, 'Result'] = 0
df.loc[mask_1, 'Result'] = 1

如果不满足任何条件，结果将设置为np.nan。这是imho故障保护，因此应使用。但是，如果您想在这些位置有零，只需用零初始化结果列。

---

当然，对于特殊情况，例如只有1和0作为结果，这可以简化，并且可以通过使用DICT或其他容器对任意数量的结果进行扩展。

您应该使用嵌套的np.where。它类似于sql case子句。但是，当数据中存在nan时，请小心

df=pd.DataFrame({'S':[1,1,2,2],'A':[1,0,1,0]})
df['Result'] = np.where((df.S == 1) & (df.A == 1), 1,   #when... then
                 np.where((df.S == 1) & (df.A == 0), 0,  #when... then
                  np.where((df.S == 2) & (df.A == 1), 0,  #when... then
                    1)))                                  #else
df

输出： 如果您有非常嵌套的操作，我建议使用

df=pd.DataFrame{ S:[1,1,2,2]， 答：[1,0,1,0] } 当然，您可以将第1、4和2、3条与“|”或运算符组合在一起 df['RESULT']=np.select[ df.S==1和df.A==1， df.S==1和df.A==0， df.S==2和df.A==1， df.S==2&df.A==0 ], [1, 0, 0, 1]

---

结束括号太多了，谢谢！我删除了额外的右括号，但得到了以下错误：~\Anaconda3\lib\site packages\pandas\core\generic.py，第3614行，在getattr返回对象中。\uuu getattribute\uu self，name。AttributeError:“DataFrame”对象没有属性。使用这种方法是否可以不简单地设置1或0，而是从另一列获取值？尝试时，我得到ValueError:无法从重复轴重新编制索引。当然，我想这应该很容易。但如果没有任何样本数据，就很难给出答案。你可以发布一个新问题，并将链接作为评论发布吗？我会更详细地回答你的新问题。

mask_0 = ((df.S == 1) & (df.A == 0)) | ((df.S == 2) & (df.A == 1))
mask_1 = ((df.S == 1) & (df.A == 1)) | ((df.S == 2) & (df.A == 0))
df.loc[mask_0, 'Result'] = 0
df.loc[mask_1, 'Result'] = 1

df=pd.DataFrame({'S':[1,1,2,2],'A':[1,0,1,0]})
df['Result'] = np.where((df.S == 1) & (df.A == 1), 1,   #when... then
                 np.where((df.S == 1) & (df.A == 0), 0,  #when... then
                  np.where((df.S == 2) & (df.A == 1), 0,  #when... then
                    1)))                                  #else
df

|   | S | A | Result |
|---|---|---|--------|
| 0 | 1 | 1 | 1      |
| 1 | 1 | 0 | 0      |
| 2 | 2 | 1 | 0      |
| 3 | 2 | 0 | 1      |