Python Pandas：获取if语句/.loc以返回该行的索引

我有一个有两列的数据框，我正在添加第三列

我希望第三列取决于第二列的值，即返回一个集合答案或该行的相应索引

数据库的示例如下：

print (df)
            Amount      Percentage
Country      
Belgium      20           .0952
France       50           .2380
Germany      60           .2857
UK           80           .3809

现在，我希望我新的第三栏在百分比低于25%时说“其他”，在百分比高于25%时说国家名称。这就是我写的：

df.['Country']='Other')
df.loc[df['percentage']>0.25, 'Country']=df.index

不幸的是，我的输出没有给出等价的索引；它只是按顺序给出索引：

 print (df)
            Amount      Percentage      Country
Country      
Belgium      20           .0952         Other
France       50           .2380         Other
Germany      60           .2857         Belgium
UK           80           .3809         France

显然，我想看到德国和英国的对峙。 我怎样才能让它给我一个索引，该索引与代码中超出阈值的数字位于同一行？

您可以尝试：

或通过以下方式从索引创建系列：

---

要使用您尝试实现的方法，请执行以下操作：

df['Country'] = 'Other'
df.loc[df['Percentage'] > 0.25, 'Country'] = df.loc[df['Percentage'] > 0.25].index

>>> df
         Amount  Percentage  Country
Country                             
Belgium      20      0.0952    Other
France       50      0.2380    Other
Germany      60      0.2857  Germany
UK           80      0.3809       UK

由于过滤器两侧相同，因此通常最好在大型数据集上使用掩码，以便只进行一次比较：

mask = df['Percentage'] > 0.25
df.loc[mask, 'Country'] = df.loc[mask].index

# Delete the mask once finished with it to save memory if needed.
del mask

---

这可以工作，但对于低于阈值的所有结果，都会返回

NaN

。在您的代码中，我在哪里指定这些应该被称为“Other”？在第一行。首先，我将整个列设置为

Other

，然后使用

loc

将那些高于阈值的列设置为

Country

索引。

numpy。在哪里

方法给出了我要查找的结果？你能告诉我为什么该方法有效，而我原来的方法无效吗？他们都指定df.index作为输出？这是一个很难回答的问题-我第一次感到惊讶的是df.loc[df['Percentage']>0.25，'Country']=df.index。如果将索引转换为

系列

，它将作为我的第二个解决方案。也许是虫子。

df['Country'] = 'Other'
df.loc[df['Percentage'] > 0.25, 'Country'] = df.loc[df['Percentage'] > 0.25].index

>>> df
         Amount  Percentage  Country
Country                             
Belgium      20      0.0952    Other
France       50      0.2380    Other
Germany      60      0.2857  Germany
UK           80      0.3809       UK

mask = df['Percentage'] > 0.25
df.loc[mask, 'Country'] = df.loc[mask].index

# Delete the mask once finished with it to save memory if needed.
del mask