如何使用python2.7使用嵌套for循环遍历数据帧并附加到新的数据帧列？

我尝试遍历两个python dataframe列以确定特定值，然后将结果添加到一个新列中。下面的代码引发以下错误：

raise ValueError('Length of values does not match length of ' 'index')" 

我不知道为什么

数据帧：

    TeamID    todayorno
1   sw        True
2   pr        False
3   sw        False
4   pr        True

代码：

---

您正在迭代数据帧两次，这表明您有2个

for

循环。最终得到的结果是10项，而不是所需的4项

不需要显式迭代。您可以使用

numpy。选择
为指定条件应用值

import numpy as np

mask = results['TeamID'] == 'sw'
conditions = [~mask, mask & results['todayorno'], mask & ~results['todayorno']]
values = ['green', 'red', 'green']

results['newnew'] = np.select(conditions, values, 'green')

print(results)

  TeamID  todayorno newnew
1     sw       True    red
2     pr      False  green
3     sw      False  green
4     pr       True  green

快速回答
不要试图循环

相反，使用默认值（即最常见值）创建新列，然后处理要更改的值并进行设置：

>>> results
  TeamID  todayorno
0     sw       True
1     pr      False
2     sw      False
3     pr       True
>>> results['newnew'] = 'green'
>>> results
  TeamID  todayorno newnew
0     sw       True  green
1     pr      False  green
2     sw      False  green
3     pr       True  green
>>> results.loc[(results['TeamID'] == 'sw') & (results['todayorno']), 'newnew'] = 'red'
>>> results
  TeamID  todayorno newnew
0     sw       True    red
1     pr      False  green
2     sw      False  green
3     pr       True  green

或者，您可以使用
.apply（…，index=1）
使用查看每行的函数计算整个系列，并将整个系列一次性指定为列：

>>> results
  TeamID  todayorno
0     sw       True
1     pr      False
2     sw      False
3     pr       True
>>> results['newnew'] = results.apply(
...     lambda s: 'red' if s['TeamID'] == 'sw' and s['todayorno'] else 'green',
...     axis=1,
... )
>>> results
  TeamID  todayorno newnew
0     sw       True    red
1     pr      False  green
2     sw      False  green
3     pr       True  green

解释
问题
从您的代码中可以看出，您正在尝试向数据帧添加一个名为
newnew
的列

在数据框的行中，
TeamID
列包含值
“sw”
，列
todayorno
包含值
True
，您希望列
newnew
包含值
“red”

在所有其他行中，您希望
newnewnew
的值为
“绿色”

规矩
为了有效地与熊猫合作，一条非常重要的规则是：不要试图循环。尤其是穿过一排排

相反，让熊猫为你做这项工作

因此，第一步是创建新列。由于在大多数情况下，您希望值为
“绿色”
，因此只需执行以下操作：

results['newnew'] = 'green'

现在，您的数据帧看起来像：

  TeamID  todayorno newnew
0     sw       True  green
1     pr      False  green
2     sw      False  green
3     pr       True  green

您会注意到熊猫“扩展”了所有行中提供的单个值

现在要将
sw/True
行设置为
“红色”
，首先需要找到所有行。为此，我们需要了解熊猫是如何工作的

（一点点）熊猫如何工作
当在数据帧后使用方括号时，通常是在对数据帧的列进行寻址。例：

>>> results['TeamID']
0    sw
1    pr
2    sw
3    pr
Name: TeamID, dtype: object

也就是说，通过请求
TeamID
数据帧的
results
索引，您得到了一个名为
TeamID
的
系列，其中只包含该列的值

另一方面，如果要寻址行，则需要使用
.loc
属性

>>> results.loc[1]
TeamID          pr
todayorno    False
newnew       green
Name: 1, dtype: object

这里我们得到了一个
系列
，其中包含该行的值

如果我们想看到多行，我们可以通过索引行列表来获得子数据帧：

>>> results.loc[[1,2]]
  TeamID  todayorno newnew
1     pr      False  green
2     sw      False  green

或者通过使用条件：

>>> results.loc[results['TeamID'] == 'pr']
  TeamID  todayorno newnew
1     pr      False  green
3     pr       True  green

条件可以包含布尔组合，但其语法有特殊要求，例如使用
&
而不是
和
，并由于
&
运算符的优先级，小心地用括号括起条件的各个部分：

>>> results.loc[(results['TeamID'] == 'sw') & (results['todayorno'])]
  TeamID  todayorno newnew
1     sw       True  green

.loc
属性还可以按行和列寻址。逗号分隔了寻址部分，其中行的寻址位于第一位，列的寻址位于最后：

>>> results.loc[results['TeamID'] == 'pr', 'todayorno']
1    False
3     True
Name: todayorno, dtype: bool

最后的接触
而
.loc
属性也可以用于赋值，方法是将所需的值赋给所需的“坐标”

因此，在你的情况下：

>>> results.loc[
...     (results['TeamID'] == 'sw') & (results['todayorno']),
...     'newnew'
... ] = "red"
>>> results
  TeamID  todayorno newnew
0     sw       True    red
1     pr      False  green
2     sw      False  green
3     pr       True  green

另一种解决方案
dataframes的
.apply（）
方法允许多次应用单个函数，可以按列或按行。要按行应用，请传递
轴=1
参数

如果传递给
.apply（…，axis=1）
的函数的结果返回一个值，则该函数的每个应用程序的结果将以数据帧行的相同寻址（通俗地说是相同索引）组合成一系列

因此：

然后可以将其指定为数据帧的一列：

>>> results['newnew'] = results.apply(
...     lambda s: 'red' if s['TeamID'] == 'sw' and s['todayorno'] else 'green',
...     axis=1,
... )
>>> results
  TeamID  todayorno newnew
0     sw       True    red
1     pr      False  green
2     sw      False  green
3     pr       True  green

您给出了一个示例，说明了在代码运行之前数据帧的外观。你能举一个例子说明你希望dataframe如何处理你的代码运行吗？注意
pd.Series.apply
+
lambda
应该作为最后的手段使用，因为矢量化解决方案是不可能的。使用布尔级数进行索引比使用行三元语句更有效。谢谢jpp！这完全符合预期。我要读《努比》了你能解释一下这条线是怎么工作的吗？条件=[~mask，mask&results['todayorno']，mask&~results['todayorno']]——让我试一试：您是否选择了所有掩码的反转、使用todayorno的掩码和使用todayorno的反转选择的掩码？然后指定与绿色、红色、绿色相同的顺序？
~
表示否定，
&
表示“和”或“交叉点”。
条件的每一项都与
值中的一项匹配。例如，
~mask
与
'green'
（每个列表中的第一个元素）匹配。
>>> results.apply(
...     lambda s: 'red' if s['TeamID'] == 'sw' and s['todayorno'] else 'green',
...     axis=1,
... )
0      red
1    green
2    green
3    green
dtype: object

>>> results['newnew'] = results.apply(
...     lambda s: 'red' if s['TeamID'] == 'sw' and s['todayorno'] else 'green',
...     axis=1,
... )
>>> results
  TeamID  todayorno newnew
0     sw       True    red
1     pr      False  green
2     sw      False  green
3     pr       True  green