Python 使用多个列应用函数？

我需要在pandas数据框中创建一列，该列依赖于同一行中的其他项。例如，这里是我的数据帧

df=pd.DataFrame(
[a'，[a'，1]，[a'，1]，[a'，2]，[b'，2]，[b'，2]，[c'，3]，
列=['字母'，'数字']
)

---

您可以尝试使用pd.Series.where（）/np.where（）。如果您只对布尔值的int表示感兴趣，可以选择其他解决方案。如果希望If/else值有更多的自由度，可以使用np.where（）

---

您可以尝试使用pd.Series.where（）/np.where（）。如果您只对布尔值的int表示感兴趣，可以选择其他解决方案。如果希望If/else值有更多的自由度，可以使用np.where（）

---

您可以将

apply

与

axis=1

一起使用。假设您想调用新列

c

：

df['c'] = df.apply(
    lambda row: (row['letter'] == 'a') and (row['number'] == 2),
    axis=1
).astype(int)

print(df)
#  letter  number  c
#0      a     NaN  0
#1      a     1.0  0
#2      a     1.0  0
#3      a     2.0  1
#4      b     2.0  0
#5      b     2.0  0
#6      c     3.0  0

但是

apply

很慢，如果可能的话应该避免。在这种情况下，最好使用向量化的布尔逻辑运算

df['c'] = ((df['letter'] == "a") & (df['number'] == 2)).astype(int)

---

这与上面使用

apply

的结果相同。

您可以使用

apply

和

axis=1

。假设您想调用新列

c

：

df['c'] = df.apply(
    lambda row: (row['letter'] == 'a') and (row['number'] == 2),
    axis=1
).astype(int)

print(df)
#  letter  number  c
#0      a     NaN  0
#1      a     1.0  0
#2      a     1.0  0
#3      a     2.0  1
#4      b     2.0  0
#5      b     2.0  0
#6      c     3.0  0

但是

apply

很慢，如果可能的话应该避免。在这种情况下，最好使用向量化的布尔逻辑运算

df['c'] = ((df['letter'] == "a") & (df['number'] == 2)).astype(int)

---

这与上面使用

apply

的结果相同。

如果只是简单的条件，您不需要在这里使用

apply

<代码>df['new_column']=（（df['letters']=“a”）&（df['numbers']==2））.astype（int）这是有意义的，但即使是有条件的3或4列，这也会变得很难处理。有其他选择吗？有其他选择，你看过文档了吗？你最好的办法是尝试一些东西，看看它是否符合你的需要。@max无论是通过

apply

还是使用布尔条件，它都会同样笨拙（代码方面），但后者会快得多。如果只是简单的条件，你不需要在这里使用

apply

<代码>df['new_column']=（（df['letters']=“a”）&（df['numbers']==2））.astype（int）这是有意义的，但即使是有条件的3或4列，这也会变得很难处理。有其他选择吗？有其他选择，你看过文档了吗？您最好尝试一下，看看它是否符合您的需要。@max无论是通过

apply

还是使用布尔条件，它都同样笨拙（代码方面），但后者会快得多。