Python 使用多个If-else创建变量

需要多个IF-ELSE语句的帮助。我有一个测试数据集（泰坦尼克号），如下所示：

ID  Survived    Pclass  Name    Sex Age
1   0   3   Braund  male    22
2   1   1   Cumings, Mrs.   female  38
3   1   3   Heikkinen, Miss. Laina  female  26
4   1   1   Futrelle, Mrs.  female  35
5   0   3   Allen, Mr.  male    35
6   0   3   Moran, Mr.  male    
7   0   1   McCarthy, Mr.   male    54
8   0   3   Palsson, Master male    2

其中Id是乘客Id。我想在此数据框中创建一个新的标志变量，该变量具有以下规则：

if Sex=="female" or (Pclass==1 and Age <18) then 1 else 0. 

---

如果Sex==“female”或（Pclass==1和Age而不是使用
df.iterrows
（相对较慢）在行中循环，则可以在一次赋值中为
预测
列指定所需的值：

In [27]: df['Prediction'] = ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18))).astype('int')

In [29]: df['Prediction']
Out[29]: 
0    0
1    1
2    1
3    1
4    0
5    0
6    0
7    0
Name: Prediction, dtype: int32

虽然我认为只使用
表示逻辑or和
&
表示逻辑and要简单得多：

In [34]: ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18)))
Out[34]: 
0    False
1     True
2     True
3     True
4    False
5    False
6    False
7    False
dtype: bool

[34]中的
：（（df['Sex']='female'）|（（df['Pclass']==1）和（df['Age']而不是使用
df.iterrows
（相对较慢）在行中循环，您可以在一次赋值中为
预测
列指定所需的值：

In [27]: df['Prediction'] = ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18))).astype('int')

In [29]: df['Prediction']
Out[29]: 
0    0
1    1
2    1
3    1
4    0
5    0
6    0
7    0
Name: Prediction, dtype: int32

虽然我认为只使用
表示逻辑or和
&
表示逻辑and要简单得多：

In [34]: ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18)))
Out[34]: 
0    False
1     True
2     True
3     True
4    False
5    False
6    False
7    False
dtype: bool

In[34]：（（df['Sex']='femal'）|（（df['Pclass']==1）和（df['Age']Hi@unutbu。这很有帮助。一个疑问。当你说第一种方法时，df['Prediction']=1在所有行中添加了1，我不确定我是否理解这背后的原因。我使用了：对于乘客索引，乘客在df.iterrows（）中：如果乘客['Sex']==“femal”或（乘客['Pclass']==1和乘客['Age']就像在SAS、SPSS等工具中一样，如果我写下相同的条件，并说Prediction=1，否则Prediction=0，它将根据条件使用一个新的变量Prediction，如果条件为true，那么Prediction为1，否则为0。我猜它工作的原因是因为SAS、SPSS一次读取一条记录，然后在该r上执行代码中提到的操作因此，本质上我们在这里也通过调用df.iterrows（）进行了相同的操作要一次读取一条记录，然后使用它的条件？为什么它不能工作？谢谢你的帮助！即使你的<代码> for循环正在重复行< <代码> df>代码>，但是你的任务是引用整个列，而不是一行。
您得到的是整个列，而不仅仅是一行。
df['Prediction']
并没有上下文化来引用一行，仅仅因为它位于
for循环中。
。Python不是这样工作的。更清楚的是，
df['Prediction']=1
为列中的每个值分配1，但不会为列中的每个值添加1。若要为每个值添加1，请使用
df['Prediction']+=1
。在
for循环中，如果将
df['Prediction']=1
替换为
乘客['Prediction']=1
，则将添加一个新的“列”到
乘客
行，但这不会影响
df
，因为
乘客
是
df
行的副本，而不是
df
中底层数据的视图。因此，这也不是实现目标的正确方法。您好@unutbu。这很有帮助。有一个疑问。当您谈到第一种方法时，df['Prediction']=1在所有行中添加1，我不确定我是否理解这背后的原因。我使用了：对于乘客索引，df.iterrows（）中的乘客：如果乘客['Sex']==“female”或（乘客['Pclass']==1和乘客['Age']就像在SAS、SPSS等工具中一样，如果我写下相同的条件，并说Prediction=1，否则Prediction=0，它将根据条件使用一个新的变量Prediction，如果条件为true，那么Prediction为1，否则为0。我猜它工作的原因是因为SAS、SPSS一次读取一条记录，然后在该r上执行代码中提到的操作因此，本质上我们在这里也通过调用df.iterrows（）进行了相同的操作要一次读取一条记录，然后使用它的条件？为什么它不能工作？谢谢你的帮助！即使你的<代码> for循环正在重复行< <代码> df>代码>，但是你的任务是引用整个列，而不是一行。
您得到的是整个列，而不仅仅是一行。
df['Prediction']
并没有上下文化来引用一行，仅仅因为它位于
for循环中。
。Python不是这样工作的。更清楚的是，
df['Prediction']=1
为列中的每个值分配1，但不会为列中的每个值添加1。若要为每个值添加1，请使用
df['Prediction']+=1
。在
for循环中，如果将
df['Prediction']=1
替换为
乘客['Prediction']=1
，则将添加一个新的“列”到
乘客
行，但这不会影响
df
，因为
乘客
是
df
行的副本，而不是查看
df
中的基础数据。因此，这也不是实现目标的正确方法。
In [32]: np.where(df['Sex']=='female', 1, np.where((df['Pclass']==1)&(df['Age']<18), 1, 0))
Out[32]: array([0, 1, 1, 1, 0, 0, 0, 0])

In [34]: ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18)))
Out[34]: 
0    False
1     True
2     True
3     True
4    False
5    False
6    False
7    False
dtype: bool