熊貓-如何根據多列的條件創建具有3個輸出的列

Question

我有一個DataFrame df:

def fake_data():
     return{'Name': fake.name(), 
         'Gender': random.choice(sex_list),
         'Address': fake.street_address(), 
         'Nationality': 'Zimbabwean', 
         'Account_Type': random.choice(accounts_list), 
         'Age': random.randint(0, 2), 
         'Education': random.random() > 0.5, 
         'Employment': random.randint(0, 2),
         'Salary': random.randint(0, 2),
         'Employer_Stability': random.random() > 0.5,
         'Consistency': random.random() > 0.5,
         'Balance': random.randint(0, 2),
         'Residential_Status': random.random() > 0.5
      }

我想根據列的條件創建一個0或1或2的Service_Level列；

columns = ['Age','Education', 'Employment', 'Salary', 'Employer_Stability', 'Consistency', 'Balance', 'Residential_Status']

在閱讀了這里的一些答案之后，我嘗試使用以下代碼創建['Service_Level'] = 0；

df['Service_Level'] = np.where((df['Age']==0)&(df['Education']==False)&(df['Employment']==0)&(df['Salary']==0)&(df['Employer_Stability']==False)&(df['Consistency']==False)&(df['Balance']==0)&(df['Residential_Status']==False),
                               (df['Age'])|(df['Education'])|(df['Employment'])|(df['Salary'])|(df['Employer_Stability'])|(df['Consistency'])|(df['Balance'])|(df['Residential_Status']), 0)

然后，這對於['Service_Level'] = 1

df['Service_Level'] = np.where((df['Age']==1)&(df['Education']==True)&(df['Employment']==1)&(df['Salary']==1)&(df['Employer_Stability']==False)&(df['Consistency']==True)&(df['Balance']==1)&(df['Residential_Status']==True),
                               (df['Age'])|(df['Education'])|(df['Employment'])|(df['Salary'])|(df['Employer_Stability'])|(df['Consistency'])|(df['Balance'])|(df['Residential_Status']), 1)

然后對於['Service_Level'] = 2

df['Service_Level'] = np.where((df['Age']==2)&(df['Education']==True)&(df['Employment']==2)&(df['Salary']==2)&(df['Employer_Stability']==True)&(df['Consistency']==True)&(df['Balance']==2)&(df['Residential_Status']==True),
                               (df['Age'])|(df['Education'])|(df['Employment'])|(df['Salary'])|(df['Employer_Stability'])|(df['Consistency'])|(df['Balance'])|(df['Residential_Status']), 2)

不幸的是，我不知道如何加入這些條件，所以我得到0或1或2。

如果可行，不遵循這些確切條件的狀態會發生什么？ 然后我也想生產和輸出

Answer 1

您可能需要將切片與np.where結合使用（順便說一下，這需要三個參數，條件，val1（如果條件為true），val2）

你的第一句話

df['Service_Level'] = np.where(condtion_1, 0, 1)

對於符合第一個條件的行，這將導致df ['Service_Level']的值為0，否則為1。

現在，屏蔽數據以僅獲取其中service_level不為0的行

df[df['Service_Level'] !=0] 

在此數據框上，您可以將第二個條件應用於

np.where(condition_2, 1,2) 

將1分配給條件為true的df ['Service_Level']並將2分配給其余行。

編輯：

您可以在第一個條件中將np.where與第二個條件一起使用，如下所示。

df['Service_Level'] = np.where(cond_1, 0, (np.where(cond_2, 1,2)))

為了提高可讀性，您可能需要先將條件另存為cond_1等，然后在np.where中使用它們。