添加一个基于另一列计算的列（在 Pandas 中）

Question

我有一个简单的数据库，其中包含每个月的收入，包括Year （值 1991-2020）、 Month （Jan-Dec）和Earnings 。 我想创建一个新专栏，在 1991-2005 年，我将Earnings栏除以 10000，但对于 2006-2020 年，我希望它与收益栏中的相同。

我是初学者，但我想的是我希望新列 ( TrueEarn ) 为Earnings /10000 但仅限于 1991-2005 列。

df['TrueEarn'] = df['Earnings']/10000 for (['Year']=('1991':"2005"))

因为我是 Python 的新手，这对你来说可能没有意义，但这就是我逻辑上想要写的

你能帮我吗？

Answer 1

Yoy 应该提供一个最小的可重现示例。 但是假设你在另一列中有年份，那么到 go 的方法可能是

df['TrueEarn'] = np.where((df['YEAR'] >= 1991) & (df['YEAR'] <= 2005),
                               df['Earnings'] / 10000, df['Earnings'])

正如@wjandrea 所说，这可以直接使用 pandas 完成，但 numpy 更快。 基准玩具 dataframe：

df = pd.DataFrame(
    {"YEAR": np.random.randint(1991, 2020, size=50000), "Earnings": np.random.uniform(0, 2e10, size=50000)}
)

   
%timeit df["TrueEarn"] = np.where((df["YEAR"] >= 1991) & (df["YEAR"] <= 2005), df["Earnings"] / 10000, df["Earnings"])

每个循环 695 µs ± 3.17 µs（7 次运行的平均值 ± 标准偏差，每次 1,000 次循环）

VS配pandas口罩

%timeit df["TrueEarn"] = df["Earnings"].mask(df["YEAR"].between(1991, 2005), df["Earnings"] / 10000)

每个循环 959 µs ± 4.45 µs（7 次运行的平均值 ± 标准偏差，每次 1,000 次循环）