如何在没有迭代的情况下基于Pandas中的2个条件创建新的df.column
发布时间:2020-12-20 13:45:05 所属栏目:Python 来源:网络整理
导读:我有正常的df A = pd.DataFrame([[1,5,2],[2,4,4],[3,3,1],[4,2,[5,1,4]],columns=['A','B','C'],index=[1,5]) 如果我想根据另一列中的条件创建一个列,我会做这样的事情,并按预期工作. In [5]: A['D'] = A['C'] 2 In [6]: A Out[6]: A B C D1 1 5 2 False2 2
我有正常的df
A = pd.DataFrame([[1,5,2],[2,4,4],[3,3,1],[4,2,[5,1,4]],columns=['A','B','C'],index=[1,5]) 如果我想根据另一列中的条件创建一个列,我会做这样的事情,并按预期工作. In [5]: A['D'] = A['C'] > 2 In [6]: A Out[6]: A B C D 1 1 5 2 False 2 2 4 4 True 3 3 3 1 False 4 4 2 2 False 5 5 1 4 True 但是,如果我想使用两个条件做同样的事情……比如: A['D'] = A['C'] > 2 and A['B'] > 2 or A['D'] = A['C'] > 2 & A['B'] > 2 我臭名昭着 ValueError: The truth value of a Series is ambiguous. Use a.empty,a.bool(),a.item(),a.any() or a.all(). 如何在没有迭代的情况下解决?基于两个条件创建此新列的目的是能够使用类型的groupby函数: A.groupby('D').apply(custom_fuction) 所以,也许有一种方法可以使用groupby来完成整个过程,但我不知道该怎么做. 谢谢 解决方法
使用&,not和,执行元素逻辑和操作:
In [40]: A['D'] = (A['C'] > 2) & (A['B'] > 2) In [41]: A Out[41]: A B C D 1 1 5 2 False 2 2 4 4 True 3 3 3 1 False 4 4 2 2 False 5 5 1 4 False 您也可以跳过定义D列: In [42]: A.groupby((A['C'] > 2) & (A['B'] > 2)) Out[42]: <pandas.core.groupby.DataFrameGroupBy object at 0xab5b6ac> (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |