Pandas基于两个现有变量创建一个新变量

Question

我认为以下代码效率很低。 有没有更好的方法在熊猫中进行这种类型的常见重新编码？

df['F'] = 0
df['F'][(df['B'] >=3) & (df['C'] >=4.35)] = 1
df['F'][(df['B'] >=3) & (df['C'] < 4.35)] = 2
df['F'][(df['B'] < 3) & (df['C'] >=4.35)] = 3
df['F'][(df['B'] < 3) & (df['C'] < 4.35)] = 4

Answer 1

使用numpy.select并将布尔掩码缓存到变量以获得更好的性能：

m1 = df['B'] >= 3
m2 = df['C'] >= 4.35
m3 = df['C'] < 4.35
m4 = df['B'] < 3

df['F'] = np.select([m1 & m2, m1 & m3, m4 & m2, m4 & m3], [1,2,3,4], default=0)

Answer 2

在您的特定情况下，您可以利用布尔实际上是整数（False == 0，True == 1）并使用简单算术的事实：

df['F'] = 1 + (df['C'] < 4.35) + 2 * (df['B'] < 3)

请注意，这将忽略B和C列中的任何NaN，这些将被指定为高于您的限制。