[英]pandas - add column based on conditions
从一个简单的数据框df
开始,例如:
C,n
AAA,1
AAA,2
BBB,1
BBB,2
CCC,1
CCC,2
DDD,1
DDD,2
我想根据C
列中值的某些条件添加一列。 我想添加的列是:
df['H'] = df['n'] / 10
返回:
C n H
0 AAA 1 0.1
1 AAA 2 0.2
2 BBB 1 0.1
3 BBB 2 0.2
4 CCC 1 0.1
5 CCC 2 0.2
6 DDD 1 0.1
7 DDD 2 0.2
现在,我只想为列C
CCC
和DDD
值添加同一列,但归一化因子不同,例如:
df['H'] = df['n'] / 100
以便:
C n H
0 AAA 1 0.1
1 AAA 2 0.2
2 BBB 1 0.1
3 BBB 2 0.2
4 CCC 1 0.01
5 CCC 2 0.02
6 DDD 1 0.01
7 DDD 2 0.02
到目前为止,我尝试将数据框屏蔽为:
mask = df['C'] == 'CCC'
df = df[mask]
df['H'] = df['n'] / 100
这对蒙版的样本有效。 但是由于我必须应用几个过滤器,将原始H
列保留为未过滤的值,所以我很困惑。
df.loc[df['C'] == 'CCC' , 'H'] = df['n'] / 100
也可以使用iloc
df.ix[df['C'].isin(['CCC','DDD']),['H']] = df['n'] / 100
使用此答案中的示例,您可以使用:
df['H'][mask] = df['H'][mask]/100
您还可以根据以下内容分别计算H列(“ CCC” /“ DDD”或“ CCC” /“ DDD”):
import numpy as np
mask = np.logical_or(df['C'] == 'CCC', df['C']=='DDD')
not_mask = np.logical_not(mask)
df['H'][not_mask] = df['H'][not_mask]/10
df['H'][mask] = df['H'][mask]/100
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.