根据另一个 df 列的值范围设置 pandas df 列的值

Question

我有一个看起来像这样的df：

df = pd.DataFrame({'a':[-3,-2,-1,0,1,2,3], 'b': [1,2,3,4,5,6,7]})

我想创建一个列'c'，它查看'a'的值以确定对'b'执行什么操作并将其显示在新列'c'中。

我有一个使用 iterrow 的解决方案，但是，我的真实 df 很大并且 iterrows 效率低下。

我想做的是以矢量化形式执行此操作。 我的“慢”解决方案是：

df['c'] = 0
for index, row in df.iterrows():
    if row['a'] <=-2:
        row['c'] = row['b']*np.sqrt(row[b]*row[a])
    if row['a'] > -2 and row['a'] < 2:
        row['c'] = np.log(row['b'])
    if row['a'] >= 2:
        row['c'] = row['b']**3

Answer 1

使用np.select 。 这是一个矢量化操作。

conditions = [
    df['a'] <= -2,
    (df['a'] > -2) & (df['a'] < 2),
    df['a'] >= 2
]

values = [
    df['b'] * np.sqrt(df['b'] * df['a'])
    np.log(df['b']),
    df['b']**3
]

df['c'] = np.select(conditions, values, default=0)

Answer 2

您可以在 pandas（指定轴 = 1）和 lambda function 中使用 and.apply 来完成工作。 不知道速度是否正常。 看这个例子：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a':[-3,-2,-1,0,1,2,3], 'b': [1,2,3,4,5,6,7]})

def func(a_, b_):
    if a_<=-2:
        return b_*(b_*a_)**0.5
    elif a_<2:
        return np.log(b_)
    else:
        return b_**3.

df['c'] = df[['a','b']].apply(lambda x: func(x[0], x[1]), axis=1)

Answer 3

我们可以使用pd.cut

df.b.pow(pd.cut(df.a,[-np.Inf,-2,2,np.Inf],labels=[2,1,3]).astype(int))
Out[193]: 
0      1
1      4
2      3
3      4
4      5
5      6
6    343
dtype: int64
df['c']=df.b.pow(pd.cut(df.a,[-np.Inf,-2,2,np.Inf],labels=[2,1,3]).astype(int))

Answer 4

df['c'] = df.apply(lambda x: my_func(x), 1)

def my_func(x):
   if x['a'] <= -2:
       return x['b']*np.sqrt(x[b]*x[a])

   # write other conditions as needed

The df.apply function iterates over each row of the dataframe and applies the function passed(ie lambda function ). 第二个参数是设置为 1 的轴，这意味着它将遍历行并且行值将被传递到lambda function。 默认为 0，在这种情况下它将遍历列。 最后，您需要返回一个值，该值将设置为列“c”值。

Answer 5

一种方法是按条件索引，然后仅对这些行进行操作。 像这样的东西：

df['c'] = np.nan
indices = [
    df['a'] <= -2,
    (df['a'] > -2) & (df['a'] < 2),
    df['a'] >= 2
]
ops = [
    lambda x: x['b'] * np.sqrt(x['b'] * x['a']),
    lambda x: np.log(x['b']),
    lambda x: x['b']**3
]
for ix, op in zip(indices, ops):
    df.loc[ix, 'c'] = op(df)