Python-两个独立的条件取决于独立列的值（美国/加拿大邮政编码练习）

我试图在我的数据集中创建一个新列，它依赖于我的数据中的两个独立列（国家和邮政编码）。如果国家是“USA”，我希望新列获取邮政编码列中的数据，并删除“-”（只保留前五个数字）后面的所有内容。如果国家是“加拿大”，我希望新列获取邮政编码列中的数据，删除所有空格并将数据输入新列。见下面的例子

我尝试过几种不同的方法，包括下面的方法，但没有一种有效

（1） df['new column']=[df['Zip Code'].str[:5]如果x=='USA'，则df['Country']中的x为'no'

（2） usa=df['Country'].str.contains（'usa'）

---

请帮助

您的第一次尝试非常接近-如果只有这两个国家，您可以使用if-else来相应地处理邮政编码。Pythons

zip（）

-函数甚至允许您将所有内容都放在一个列表中理解，尽管这并不一定会产生最可读的代码

df['new column'] = [el[0][:5] if el[1] == 'USA' else el[0].replace(' ', '') for el in zip(df['Zip Code'], df['Country'])]

发生的事情并不太复杂：您检查国家代码是否为美国，如果是，只需取前5个字符，否则通过调用

string来删除空白。替换

为了达到与您提议的非常接近的效果，请使用以下方法：

df['new column'] = df['Zip Code'].str.replace(' ', '')
usa = df['Country'].str.contains('USA')
df['new column'][usa] = df['new column'][usa].str.slice(0,5)

第一行将邮政编码复制到新列，并一次性处理加拿大格式。由于USA行不包含空格，因此这只会影响加拿大行。然后，您只需找到USA行并根据自己的意愿将其切分

编辑：
由于有一些加拿大示例使用了破折号而不是空格，下面的代码块就是解决方法

df['new column'] = df['Zip Code'].str.replace(' ', '').str.replace('-', '')
usa = df['Country'].str.contains('USA')
df['new column'][usa] = df['new column'][usa].str.slice(0,5)

与Lukas Thaler的解决方案类似，只是做了一些调整。注意简单的正则表达式，以避免多个
replace
操作

将熊猫作为pd导入
df_1=pd.DataFrame（数据=zip（['USA'，'CANADA'，'CANADA']，['90210-5555'，'V5J 3L5'，'A1A-1A1']），列=['Country'，'zip']）
usa_mask=df_1[“国家”]=“美国”
加拿大面具=df_1[“国家”]=“加拿大”
df_1.loc[usa_mask'，New Col']=df_1.loc[usa_mask'，Zip'].str.slice（stop=5）
df_1.loc[canada_mask'，New Col']=df_1.loc[canada_mask'，Zip'].str.replace（“|-”，”）

如果您有任何问题，请告诉我：）
“但没有一个有效”您能详细说明吗？这很模糊。我不能同时执行这两个条件。我已经能够按照我的意图从美国邮政编码中分离出前5个数字，但是加拿大最终得到了所有空白的结果。sel是zip生成器返回的元素。它构建元组，其中第一个元素是邮政编码，第二个元素是国家名称：
Zip（df['Zip code']，df['country']）
为什么不使用
Zip
？这是Pythons在我看来最棒的功能之一。无论如何，我会想出一个没有zip的解决方案，将它编辑到我的原始帖子中，并通过一个无zip评论的方法通知你。结果比我预期的更整洁，并且是纯pandas.Series.str操作，因此它应该相当快，只需将另一个
.replace（）
链接到相关元素，如
el[0]。替换（“”），.replace（“-”，“”）
如果可以使用Pandas方法轻松完成，那么最好不要使用列表理解。另外，我相信像
df['newcolumn'][usa]
这样的索引可以被
.loc[]
所取代。“df_1.loc”实际上是做什么的？@wolfblitza
loc
是使用标签或布尔数组进行索引的标准方法。第一个参数是行选择器，第二个参数是列选择器。您可以找到包含所有详细信息的文档。
df['new column'] = df['Zip Code'].str.replace(' ', '').str.replace('-', '')
usa = df['Country'].str.contains('USA')
df['new column'][usa] = df['new column'][usa].str.slice(0,5)