Python 创建条件列问题

我有一个样本数据集

import pandas as pd

df = {
  'columA':['1A','ws rank','rank','ws rank','rank','Drank'],
 'value': [ 1, 12, 34, 50, 3,2]
}


df = pd.DataFrame(df)

1。我想为“ws-rank”和“rank”以及“waked”的columnA行创建一列“HP”，如果值为1，则HP为25；如果值为2，则HP为24……等等。
所以我首先创建了一个较小的数据集，只包含这些行，因为我的实际数据集非常大。然后，我将连接此数据集和原始数据集，以包含“HP”列。但是当我连接数据集时，会出现重复的行。所以一定有更简单的方法

我的代码：

dfrank=df[df["columA"].str.contains('ws rank|rank')]
dfrank['value'] = dfrank['value'].astype(int)
dfrank.loc[dfrank.value == 1, 'HP'] = 25
dfrank.loc[dfrank.value == 2, 'HP'] = 24
dfrank.loc[dfrank.value == 3, 'HP'] = 23
dfrank.loc[dfrank.value == 4, 'HP'] = 22
dfrank.loc[dfrank.value == 5, 'HP'] = 21
dfrank.loc[dfrank.value == 6, 'HP'] = 20
dfrank.loc[dfrank.value == 7, 'HP'] = 19
dfrank.loc[dfrank.value == 8, 'HP'] = 18
dfrank.loc[dfrank.value == 9, 'HP'] = 17
dfrank.loc[dfrank.value == 10, 'HP'] = 16
dfrank.loc[dfrank.value == 11, 'HP'] = 15
dfrank.loc[dfrank.value == 12, 'HP'] = 14
dfrank.loc[dfrank.value == 13, 'HP'] = 13
dfrank.loc[dfrank.value == 14, 'HP'] = 12
dfrank.loc[dfrank.value == 15, 'HP'] = 11
dfrank.loc[dfrank.value == 16, 'HP'] = 10
dfrank.loc[dfrank.value == 17, 'HP'] = 9
dfrank.loc[dfrank.value == 18, 'HP'] = 8
dfrank.loc[dfrank.value == 19, 'HP'] = 7
dfrank.loc[dfrank.value == 20, 'HP'] = 6
dfrank.loc[(dfrank.value > 20)&(dfrank.value <= 50), 'HP'] = 5

df2=pd.concat([df, dfrank])

有趣

我不确定我是否完全理解你所有的问题，但这是我对上半场的看法

import pandas as pd
df = {
  'columA':['1A','ws rank','rank','ws rank','rank','Drank'],
 'value': [ 1, 12, 34, 50, 3,2]
}

df = pd.DataFrame(df)

df["hp"]=0

def calc_hp(row):

    rv=0
    if row['columA'] in['ws rank','rank','Drank']:
        rv=25-int(row['value'])        
    return rv

df['hp'] = df.apply(calc_hp,axis=1)

df

返回

columA  value   hp
0   1A  1   0
1   ws rank 12  13
2   rank    34  -9
3   ws rank 50  -25
4   rank    3   22
5   Drank   2   23

---

我将整行传递给apply函数，然后（希望）使用您指定的逻辑。

在Pandas中，当您选择数据并将其存储在新变量中时，为数据帧编制索引将返回对初始数据帧的引用。因此，您应该

复制

数据帧，以便为新数据帧使用

.loc

，即

dfrank=df[df["columA"].str.contains('ws rank|rank')].copy()

这将创建新索引，并帮助您正确地为新的数据帧编制索引

由于要映射数据，可以通过创建

字典

，

掩码

，然后创建

.loc

，来去除这些行，您可以使用

填充Nan值，即

dicct = {1:25,2:24,3:23,4:22,5:21,6:20,7:19,8:18,9:17,10:16,11:15,12:14,13:13,14:12,15:11,16:10,17:9,18:8,19:7,20:6}
df['HP'] = 0
mask=df["columA"].str.contains('ws rank|rank')
df.loc[mask,'HP'] = df.loc[mask,'value'].map(dicct).fillna(5)

df['HPpoint']=df.groupby('columA')['HP'].transform(sum)

输出：

columA  value    HP
0       1A    1.0   0.0
1  ws rank   14.0  12.0
2     rank    5.0  21.0
3  ws rank    5.0  21.0
4     rank   23.0   5.0
5    Drank   24.0   5.0
In [ ]:
columA  value    HP  HPpoint
0       1A    1.0   0.0      0.0
1  ws rank   14.0  12.0     33.0
2     rank    5.0  21.0     26.0
3  ws rank    5.0  21.0     33.0
4     rank   23.0   5.0     26.0
5    Drank   24.0   5.0      5.0
输出：

columA  value    HP
0       1A    1.0   0.0
1  ws rank   14.0  12.0
2     rank    5.0  21.0
3  ws rank    5.0  21.0
4     rank   23.0   5.0
5    Drank   24.0   5.0
In [ ]:
columA  value    HP  HPpoint
0       1A    1.0   0.0      0.0
1  ws rank   14.0  12.0     33.0
2     rank    5.0  21.0     26.0
3  ws rank    5.0  21.0     33.0
4     rank   23.0   5.0     26.0
5    Drank   24.0   5.0      5.0
柱值HP点
0 1A 1.0 0.0.0
1 ws-rank 14.0 12.0 33.0
2排名5.0 21.0 26.0
3 ws-rank 5.0 21.0 33.0
4排名23.0 5.0 26.0
5人喝了24.0 5.0 5.0
希望它有帮助
您可以用
dfrank['HP']=26-dfrank.value
或类似值替换这两行重复代码。不需要为每个号码分别设置箱子！至于其他问题，你的问题太复杂了，子问题太多了，而且你没有样本输入数据。@John Zwinck说得对！只是好奇，如果这些条件没有规律，有没有更简单的方法？但当我使用您建议的方法时，仍然会收到相同的错误消息。请简化您的代码。简化你的问题。把它编辑下来，这样你就可以问一个具体的问题。现在太复杂了。每篇文章只问一件事，而不是三件事。@Jessica在没有复制数据帧的情况下编制索引会导致此错误。看看我的答案。希望如此helps@JohnZwinck我问了两件我用粗体和数字表示的主要事情。我过去这样做没有任何问题，我不能把它们分开，因为它们是相互关联的。它看起来很混乱，因为我的代码的性质，我要求一个更简单的方法，以及它给我的错误消息。根据我过去关于stackoverflow的经验，人们总是要求显示完整的错误消息，以便更好地提供帮助。你为什么要投我反对票