Python 一种有条件地从DataFrame中同一行的其他值更新新值的方法背后的Pandaic推理

基于同一行中的其他值更新数据帧中的新值的方法背后的pandaic推理是什么

给定

df = pd.DataFrame([[1,2],[3,4]], columns=list('ab'))
   a  b  
0  1  2  
1  3  4  

我想要

   a  b    c  
0  1  2  NaN  
1  3  4  3.0  

其中，如果“b”>=4，则列“c”中的值从“a”设置

（1） 我试过：

这起作用了

（2） 我还尝试了从其他行值设置值：

df.loc[df['b'] >= 4, 'c'] = df['a']
   a  b    c  
0  1  2  NaN  
1  3  4  3.0  

这起作用了

（3） jp还展示了另一种方式：

df['c'] = np.where(df['b'] >= 4, df['a'], np.nan)
   a  b    c  
0  1  2  NaN  
1  3  4  3.0  

这起作用了

以上哪一项是最泛泛的？loc是如何工作的

以下问题的答案无效：

• ：从文本设置值
• ：从文本设置值

---

这将不起作用，因为未定义

df['c']

，如果定义了，则左侧为数据帧，右侧为序列：

df[df['b'] >= 4] = df['c']

您无法将序列分配给数据帧，并且分配方向错误，因此这将永远不会起作用。但是，正如您所发现的，以下方法有效：

df.loc[df['b'] >= 4, 'c'] = df['a']

这是因为此作业的左侧和右侧都是序列。作为替代方案，您可以使用，您可能会发现更明确的：

df['c'] = np.where(df['b'] >= 4, df['a'], np.nan)

---

其他可能的方法是使用

apply

：

df['c'] = df.apply(lambda row: row['a'] if row['b'] >=4 else None, axis=1)
print(df)

结果:

   a  b    c
0  1  2  NaN
1  3  4  3.0

---

比较计时，

np。其中

在不同方法中表现最好：

%timeit df.loc[df['b'] >= 4, 'c'] = df['a']

1000 loops, best of 3: 1.54 ms per loop

---

---

---

---

---

你确定是它给了你那个错误吗？当您执行该代码时，还没有列“c”。它应该会引发一个键错误？谢谢。哎呀。在分配未定义的“c”时，我发布了错误的代码。更正上面的内容。在查看下面的回复后，它似乎（1）是最泛泛的，而（3）是最高效的。当您只有两行时，

timeit

不是衡量性能的可靠工具，因为它也会衡量开销。您应该在大型数据集上比较这些方法，您会发现apply实际上是性能最低的方法。我没有测试过它们，但根据我的经验，

np.where

在大多数情况下都表现出色。说到熊猫的方式，我会选择df['c']=df['a'].where（df['b']>=4）@user2285236-

df['c']=df['a'].where（df['b']>=4）

是表达原意的最自然的方式。谢谢你在大画框上的表演技巧<代码>其中是它所在的“位置”：谢谢你的快速回复。哎呀。在分配未定义的“c”时，我发布了错误的代码。纠正上面的错误。

%timeit df.loc[df['b'] >= 4, 'c'] = df['a']

1000 loops, best of 3: 1.54 ms per loop

%timeit df['c']=df[df['b']>=4]['a']

1000 loops, best of 3: 869 µs per loop

%timeit df['c'] = df.apply(lambda row: row['a'] if row['b'] >=4 else None, axis=1)

1000 loops, best of 3: 440 µs per loop

%timeit df['c'] = np.where(df['b'] >= 4, df['a'], np.nan)

1000 loops, best of 3: 359 µs per loop