Rumah > pembangunan bahagian belakang > Tutorial Python > Bagaimana untuk Melakukan Penciptaan Lajur Bersyarat dalam DataFrames Pandas Python?

Bagaimana untuk Melakukan Penciptaan Lajur Bersyarat dalam DataFrames Pandas Python?

Linda Hamilton
Lepaskan: 2024-10-20 06:48:29
asal
744 orang telah melayarinya

How to Perform Conditional Column Creation in Python's Pandas DataFrames?

Mencipta Lajur Berdasarkan Logik Bersyarat dalam Python

Apabila bekerja dengan Pandas DataFrames, kita sering menghadapi senario di mana kita perlu mencipta yang baharu lajur berdasarkan semakan bersyarat antara lajur sedia ada. Ini boleh dicapai menggunakan fungsi np.where dengan keadaan bersarang.

Untuk menggambarkan, pertimbangkan DataFrame berikut:

<code class="python">import pandas as pd

df = pd.DataFrame({
    "A": [2, 3, 1],
    "B": [2, 1, 3]
})</code>
Salin selepas log masuk

Kami ingin mencipta lajur C baharu berdasarkan kriteria berikut :

  • Jika A bersamaan dengan B, C hendaklah 0.
  • Jika A lebih besar daripada B, C hendaklah 1.
  • Jika A kurang daripada B , C hendaklah -1.

Menggunakan Fungsi Tersuai

Satu pendekatan ialah mencipta fungsi tersuai yang melaksanakan logik bersyarat dan menggunakannya pada DataFrame:

<code class="python">def f(row):
    if row['A'] == row['B']:
        return 0
    elif row['A'] > row['B']:
        return 1
    else:
        return -1

df['C'] = df.apply(f, axis=1)</code>
Salin selepas log masuk

Menggunakan np.where

Sebagai alternatif, kita boleh menggunakan fungsi np.where untuk menetapkan nilai terus kepada lajur baharu:

<code class="python">df['C'] = np.where(df['A'] == df['B'], 0, np.where(df['A'] > df['B'], 1, -1))</code>
Salin selepas log masuk

Pendekatan ini divektorkan dan lebih cekap untuk set data yang besar.

Keputusan:

Kedua-dua pendekatan menghasilkan keputusan berikut:

<code class="python">print(df)

   A  B  C
0  2  2  0
1  3  1  1
2  1  3 -1</code>
Salin selepas log masuk

Atas ialah kandungan terperinci Bagaimana untuk Melakukan Penciptaan Lajur Bersyarat dalam DataFrames Pandas Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan