根据布尔条件在新列中设置值

Question

我有一个数据框和两个字典，如下所示：

a = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
x = {'a':'a'}
y = {'b':'b'}

现在，我想执行一个添加新列C的操作，以便当A> = 2并且B> = 2时，C中的每个单元格都存储x，否则存储y。 结果数据帧应等效于：

a = pd.DataFrame({'A':[1,2,3],'B':[4,5,6], 'C':[{'b':'b'}, {'a':'a'}, {'a':'a'}]})

我尝试了许多不同的方法，但到目前为止没有任何效果。 这是一个玩具示例，而实际数据帧将具有许多行和列，并且可能会使用更复杂的条件。 最终目标是通过将可视化所需的所有必要信息（例如标记定义）存储为其他列，从而为可可视化的可视化准备数据框架。

提前致谢。

Answer 1

使用np.where

a['C'] = np.where((a.A >= 2) & (a.B >= 2), x, y)

   A  B           C
0  1  4  {'b': 'b'}
1  2  5  {'a': 'a'}
2  3  6  {'a': 'a'}

为了解释这一点，因为您说您的实际数据更复杂，请在np.where进行以下操作：

根据条件从x或y返回元素

因此，只需创建您的条件，然后根据条件的结果确定需要x和y的值。 如果您有两个以上的可能选项和多个条件，则应查看np.select

为了演示起见，这是等效的np.select ：

conds = [(a.A >=2) & (a.B >=2)]
choices = [x]

np.select(conds, choices, default=y)
# array([{'b': 'b'}, {'a': 'a'}, {'a': 'a'}], dtype=object)