Python 数据帧-基于其他列指定1,0个值

我有一个包含国家名称的数据框&它们占能源产出的百分比。 我需要添加一个新的列，根据国家的能源产出是高于还是低于能源产出的中位数，为其指定1或0。一些伪代码是：

import pandas as pd
def answer():
    df = pd.DataFrame({'name':['china', 'america', 'canada'], 'output': [33.2, 15.0, 5.0]})
    df['newcol'] = df.where(df['output'] > df['output'].median(), 1, 0)
    return df['newcol']
answer()

代码返回

ValueError:传递的项目数错误2，放置意味着1

我觉得这是一个非常简单的解决方案，但我对使用

Pandas

还不熟悉。

---

请帮助结束我的沮丧

解决方案已矢量化，您不需要循环

df['newcol'] = np.where((df['output'] > df['output'].median()), 1, 0)

    name    output  newcol
0   china   33.2    1
1   america 15.0    0
2   canada  5.0     0

---

对于传递的错误项数，df.where的工作原理与np.where略有不同。它返回一个与self形状相同的对象，其对应的条目来自self，其中cond为True，否则来自other。因此，在您的案例中，它返回一个包含两列的数据帧，而不是一个系列，因此当您尝试将该数据帧分配给一个系列时，您会收到错误消息。

@Vaishali解释了为什么

pd.dataframe.where

没有按照您的预期工作，并建议您使用

np.where

，这是一个非常好的建议

我会告诉你，你可以简单地把布尔结果转换成整数

设置

df = pd.DataFrame({
    'name':['china', 'america', 'canada'],
    'output': [33.2, 15.0, 5.0]
})

df['newcol'] = (df['output'] > df['output'].median()).astype(int)

选项1

df = pd.DataFrame({
    'name':['china', 'america', 'canada'],
    'output': [33.2, 15.0, 5.0]
})

df['newcol'] = (df['output'] > df['output'].median()).astype(int)

---

选项2
或者通过使用底层的numpy数组更快

o = df['output'].values
df['newcol'] = (o > np.median(o)).astype(int)

---

我一直在想为什么其他帖子都使用np.where！基本上，我所做的是将整个df传递到我的新系列中，这就是为什么它抛出了一个错误？np.where在if-else类型的场景中非常有用，当您需要输出为除布尔以外的任何数据类型时。即使对于布尔型，它也能工作，但布尔型掩蔽效果更好。是的，您将df传递到新系列中，因此出现了错误。您只需打印df就可以看到发生了什么。其中（df['output']>df['output'].median（），1，0）非常感谢！我曾尝试过布尔掩蔽，但正在努力重新格式化返回的真|假值。我对熊猫非常陌生，我发现学习所有的文档都很困难。您和@Vaishali提供了大量信息：）