아래 줄을 따라 데이터 프레임이 있습니다.
Type Set
1 A Z
2 B Z
3 B X
4 C YSet = ‘Z’인 경우 초록색을 설정하고 Set = 그렇지 않은 경우 ‘빨간색’을 설정하는 데이터 프레임 (= 동일한 레코드 / 행 수)과 동일한 길이의 데이터 프레임에 다른 열을 추가하거나 시리즈를 생성하려고합니다. .
가장 좋은 방법은 무엇입니까?
답변
선택할 수있는 두 가지 옵션 만있는 경우 :
df['color'] = np.where(df['Set']=='Z', 'green', 'red')예를 들어
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
print(df)수확량
Set Type color
0 Z A green
1 Z B green
2 X B red
3 Y C red조건이 두 개 이상인 경우을 사용하십시오np.select . 예를 들어, 당신이 원하는 경우 color로
yellow언제(df['Set'] == 'Z') & (df['Type'] == 'A')- 그렇지 않은
blue경우(df['Set'] == 'Z') & (df['Type'] == 'B') - 그렇지 않은
purple경우(df['Type'] == 'B') - 그렇지 않으면
black,
그런 다음 사용
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
conditions = [
(df['Set'] == 'Z') & (df['Type'] == 'A'),
(df['Set'] == 'Z') & (df['Type'] == 'B'),
(df['Type'] == 'B')]
choices = ['yellow', 'blue', 'purple']
df['color'] = np.select(conditions, choices, default='black')
print(df)생산량
Set Type color
0 Z A yellow
1 Z B blue
2 X B purple
3 Y C black답변
목록 이해는 조건부로 다른 열을 만드는 또 다른 방법입니다. 예제와 같이 열에서 객체 dtype을 사용하는 경우 목록 이해가 일반적으로 다른 방법보다 성능이 뛰어납니다.
목록 이해의 예 :
df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]% timeit 테스트 :
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
%timeit df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color'] = np.where(df['Set']=='Z', 'green', 'red')
%timeit df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')
1000 loops, best of 3: 239 µs per loop
1000 loops, best of 3: 523 µs per loop
1000 loops, best of 3: 263 µs per loop답변
이것이 달성 될 수있는 또 다른 방법은
df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')답변
다음은 사전을 사용하여 목록의 키에 새 값을 매핑하는이 고양이를 스키닝하는 또 다른 방법입니다.
def map_values(row, values_dict):
return values_dict[row]
values_dict = {'A': 1, 'B': 2, 'C': 3, 'D': 4}
df = pd.DataFrame({'INDICATOR': ['A', 'B', 'C', 'D'], 'VALUE': [10, 9, 8, 7]})
df['NEW_VALUE'] = df['INDICATOR'].apply(map_values, args = (values_dict,))그것은 어떻게 생겼습니까?
df
Out[2]:
INDICATOR VALUE NEW_VALUE
0 A 10 1
1 B 9 2
2 C 8 3
3 D 7 4이 접근법은 여러 ifelse유형의 명령문을 만들 때 (즉, 대체 할 고유 값 이 많을 때) 매우 강력 할 수 있습니다 .
그리고 물론 당신은 항상 이것을 할 수 있습니다 :
df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)그러나 그 접근 방식은 apply내 컴퓨터에서 위 의 접근 방식 보다 3 배 이상 느립니다 .
그리고 당신은 또한 이것을 사용하여 이것을 할 수 있습니다 dict.get:
df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']]답변
다음은 여기 에 시간이 지정된 접근 방식보다 느리지 만 둘 이상의 열의 내용을 기반으로 추가 열을 계산할 수 있으며 추가 열에 대해 두 개 이상의 값을 계산할 수 있습니다.
“Set”열만 사용하는 간단한 예 :
def set_color(row):
if row["Set"] == "Z":
return "red"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C green더 많은 색상과 더 많은 열을 고려한 예 :
def set_color(row):
if row["Set"] == "Z":
return "red"
elif row["Type"] == "C":
return "blue"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C blue편집 (21/06/2019) : plydata 사용
사용하는 것도 가능합니다 plydata을 (이 경우에도 느린 사용하는 것보다 보이는 사물의 종류를 수행 assign하고 apply있지만).
from plydata import define, if_else단순 if_else:
df = define(df, color=if_else('Set=="Z"', '"red"', '"green"'))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C green중첩 if_else:
df = define(df, color=if_else(
'Set=="Z"',
'"red"',
if_else('Type=="C"', '"green"', '"blue"')))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B blue
3 Y C green답변
어쩌면 이것은 팬더의 최신 업데이트로 가능했을 수도 있지만 지금까지 다음 질문이 가장 짧고 아마도 가장 좋은 대답이라고 생각합니다. .loc방법을 사용하고 필요에 따라 하나 이상의 조건을 사용할 수 있습니다 .
코드 요약 :
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
df['Color'] = "red"
df.loc[(df['Set']=="Z"), 'Color'] = "green"
#practice!
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"
설명:
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
# df so far:
Type Set
0 A Z
1 B Z
2 B X
3 C Y‘컬러’열을 추가하고 모든 값을 “빨간색”으로 설정
df['Color'] = "red"단일 조건을 적용하십시오.
df.loc[(df['Set']=="Z"), 'Color'] = "green"
# df:
Type Set Color
0 A Z green
1 B Z green
2 B X red
3 C Y red원하는 경우 여러 조건 :
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"Pandas 논리 연산자와 조건부 선택에 대한 내용은 다음을 참조하십시오.
Pandas의 부울 인덱싱을위한 논리 연산자
답변
.apply()방법이있는 하나의 라이너 는 다음과 같습니다.
df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')그 후 df데이터 프레임은 다음과 같습니다.
>>> print(df)
Type Set color
0 A Z green
1 B Z green
2 B X red
3 C Y red