添加一個基於另一列計算的列（在 Pandas 中）

Question

我有一個簡單的數據庫，其中包含每個月的收入，包括Year （值 1991-2020）、 Month （Jan-Dec）和Earnings 。 我想創建一個新專欄，在 1991-2005 年，我將Earnings欄除以 10000，但對於 2006-2020 年，我希望它與收益欄中的相同。

我是初學者，但我想的是我希望新列 ( TrueEarn ) 為Earnings /10000 但僅限於 1991-2005 列。

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

因為我是 Python 的新手，這對你來說可能沒有意義，但這就是我邏輯上想要寫的

你能幫我嗎？

Answer 1

Yoy 應該提供一個最小的可重現示例。 但是假設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 所說，這可以直接使用 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"])

每個循環 695 µs ± 3.17 µs（7 次運行的平均值 ± 標准偏差，每次 1,000 次循環）

VS配pandas口罩

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

每個循環 959 µs ± 4.45 µs（7 次運行的平均值 ± 標准偏差，每次 1,000 次循環）