[英]Pandas - using assign and if-else statement in method chaining
我來自 R 背景,我正在嘗試從 Pandas 中的 dplyr 復制mutate()
函數。
我有一個看起來像這樣的數據框:
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
'age': [42, 52, 36, 24, 73],
'preTestScore': [4, 24, 31, 2, 3],
'postTestScore': [25, 94, 57, 62, 70]}
df = pd.DataFrame(data, columns = ['name', 'age', 'preTestScore', 'postTestScore'])
我現在嘗試使用assign
方法創建一個名為age_bracket
的新列,如下所示:
(df.
assign(age_bracket= lambda x: "under 25" if x['age'] < 25 else
("25-34" if x['age'] < 35 else "35+"))
這引發了我無法理解的以下錯誤:
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()
我對以下解決方案不感興趣:
df['age_bracket'] = np.where(df.age < 25, 'under 25',
(np.where(df.age < 35, "25-34", "35+")))
因為我不希望底層 df 改變。 我試圖在方法鏈方面做得更好,我可以在不改變底層 df 的情況下以不同的方式快速探索我的 df。
有什么建議?
可能(但不建議)是因為循環(在apply
函數的作用下):
df = (df.
assign(age_bracket= lambda x: x['age'].apply(lambda y: "under 25" if y < 25 else
("25-34" if y < 35 else "35+"))))
print (df)
name age preTestScore postTestScore age_bracket
0 Jason 42 4 25 35+
1 Molly 52 24 94 35+
2 Tina 36 31 57 35+
3 Jake 24 2 62 under 25
4 Amy 73 3 70 35+
或者numpy.select
:
df = df.assign(age_bracket= np.select([df.age < 25,df.age < 35], ['under 25', "25-34"], "35+"))
但更好的是使用cut
在這里:
df = (df.assign(age_bracket= lambda x: pd.cut(x['age'],
bins=[0, 25, 35, 150],
labels=["under 25", "25-34", "35+"])))
為什么不將分配與np.where一起使用?
df.assign(age_bracket = np.where(df.age < 25, 'under 25',
(np.where(df.age < 35, "25-34", "35+"))))
您將獲得帶有新列的原始數據框的副本。
但是我同意@jezrael pd.cut
更好。
輸出:
name age preTestScore postTestScore age_bracket
0 Jason 42 4 25 35+
1 Molly 52 24 94 35+
2 Tina 36 31 57 35+
3 Jake 24 2 62 under 25
4 Amy 73 3 70 35+
使用datar
輕松地在 Python 中使用與在 R 中相同的語法:
>>> from datar.all import f, tibble, mutate, if_else
>>>
>>> data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
... 'age': [42, 52, 36, 24, 73],
... 'preTestScore': [4, 24, 31, 2, 3],
... 'postTestScore': [25, 94, 57, 62, 70]}
>>>
>>> df = tibble(**data)
>>> df >> mutate(age_bracket=if_else(
... f.age < 25,
... "under 25",
... if_else(f.age < 35, "25-34", "35+")
... ))
name age preTestScore postTestScore age_bracket
<object> <int64> <int64> <int64> <object>
0 Jason 42 4 25 35+
1 Molly 52 24 94 35+
2 Tina 36 31 57 35+
3 Jake 24 2 62 under 25
4 Amy 73 3 70 35+
免責聲明:我是datar
包的作者。
pyjanitor有case_when implementaton在dev
這可能是在這種情況下有幫助的,實現想法的靈感來自if_else在pydatatable
和fcase R中的data.table
; 在引擎蓋下,它使用pd.Series.mask :
# pip install git+https://github.com/pyjanitor-devs/pyjanitor.git
import pandas as pd
import janitor as jn
df.case_when(
df.age.lt(25), 'under 25', # 1st condition, result
df.age.lt(35), '25-34', # 2nd condition, result
'35+', # default
column_name = 'age_bracket')
name age preTestScore postTestScore age_bracket
0 Jason 42 4 25 35+
1 Molly 52 24 94 35+
2 Tina 36 31 57 35+
3 Jake 24 2 62 under 25
4 Amy 73 3 70 35+
不過,對於這個用例,由於您是按類別進行分區, pd.cut
解決方案更有效。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.