熊貓數據框的創建難度列

Question

我想基於現有列創建數據框的新列，但是我希望它以我數據框中的另一個現有列為條件。 以下代碼不起作用。 有人知道為什么嗎？

if CV['keyword'] == 0:
    CV['left out'] = (CV['Prediction Numerator'] - (CV['Rate'] *10000))/(CV['Prediction Denominator'] - 10000)
else:
    CV['left out'] = (CV['Prediction Numerator'] - (CV['Rate'] *10000 * 10))/(CV['Prediction Denominator'] - (10000 * 10))

我收到以下錯誤：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\bwei\Downloads\WinPython-64bit-2.7.9.4\python-2.7.9.amd64\lib\site-packages\pandas\core\generic.py", line 709, in __nonzero__
    .format(self.__class__.__name__))
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

這是我數據框的前4列的摘要。

        Zip  keyword  Prediction Numerator  Prediction Denominator  
0     01001        0        7650546.693200            40002.558782   
1     01001        0        7650546.693200            40002.558782   
2     01001        0        7650546.693200            40002.558782   
3     01001        0        7650546.693200            40002.558782   
4     01002        0            157.951741                0.718621   
5     01002        0            157.951741                0.718621   
6     01005        0        3600150.148240            20000.671431   
7     01005        0        3600150.148240            20000.671431   
8     01007        0        6932235.816260            30000.936191   
9     01007        0        6932235.816260            30000.936191   
10    01007        0        6932235.816260            30000.936191   

謝謝，本

Answer 1

這應該工作：

CV.loc[CV['keyword']==0,'left out']=expression1
CV.loc[CV['keyword']!=0,'left out']=expression2

Answer 2

而不是CV['keyword'] == 0 ，您應該'keyword' in CV.columns使用'keyword' in CV.columns來查看CV中是否有名為“ keyword”的列。

Answer 3

當你寫

if CV['keyword'] == 0:

那么CV['keyword']是一列，將其與0進行比較會返回一個布爾序列。 您不能在這樣的序列上執行if （該值將確定它是True還是False ？），因此會出錯。

幸運的是， CV.columns工作方式非常類似於Python列表，因此您可以使用它來檢查成員資格。

Answer 4

你想要的是

CV['left out'] = np.where(CV['keyword'] == 0,
  (CV['Prediction Numerator'] - (CV['Rate'] *10000))/(CV['Prediction Denominator'] - 10000), 
   (CV['left out'] = (CV['Prediction Numerator'] - (CV['Rate'] * 10000 * 10))/(CV['Prediction Denominator'] - (10000 * ))
)