Pandas условное создание столбца серии/dataframe

У меня есть блок данных по строкам ниже:

    Type       Set
1    A          Z
2    B          Z           
3    B          X
4    C          Y

Я хочу добавить еще один столбец в dataframe (или создать серию) той же длины, что и dataframe (= равное количество записей/строк), которое устанавливает зеленый цвет, если Set = 'Z' и 'red', если Set = в противном случае.

Какой лучший способ сделать это?

Ответы

Ответ 1

Если у вас есть только два варианта на выбор:

df['color'] = np.where(df['Set']=='Z', 'green', 'red')

Например,

import pandas as pd
import numpy as np

df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
print(df)

доходность

  Set Type  color
0   Z    A  green
1   Z    B  green
2   X    B    red
3   Y    C    red

Если у вас более двух условий, используйте np.select. Например, если вы хотите, чтобы color был

  • yellow когда (df['Set'] == 'Z') & (df['Type'] == 'A')
  • в противном случае blue когда (df['Set'] == 'Z') & (df['Type'] == 'B')
  • в противном случае purple когда (df['Type'] == 'B')
  • иначе black,

затем используйте

df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
conditions = [
    (df['Set'] == 'Z') & (df['Type'] == 'A'),
    (df['Set'] == 'Z') & (df['Type'] == 'B'),
    (df['Type'] == 'B')]
choices = ['yellow', 'blue', 'purple']
df['color'] = np.select(conditions, choices, default='black')
print(df)

который дает

  Set Type   color
0   Z    A  yellow
1   Z    B    blue
2   X    B  purple
3   Y    C   black

Ответ 2

Понимание списка - это еще один способ условного создания другого столбца. Если вы работаете с объектами dtypes в столбцах, как и в вашем примере, то перечисления списков обычно превосходят большинство других методов.

Пояснение списка примеров:

df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]

% тестов timeit:

import pandas as pd
import numpy as np

df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
%timeit df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color'] = np.where(df['Set']=='Z', 'green', 'red')
%timeit df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')

1000 loops, best of 3: 239 µs per loop
1000 loops, best of 3: 523 µs per loop
1000 loops, best of 3: 263 µs per loop

Ответ 3

Вот еще один способ обмануть этого кота, используя словарь для отображения новых значений на клавиши в списке:

def map_values(row, values_dict):
    return values_dict[row]

values_dict = {'A': 1, 'B': 2, 'C': 3, 'D': 4}

df = pd.DataFrame({'INDICATOR': ['A', 'B', 'C', 'D'], 'VALUE': [10, 9, 8, 7]})

df['NEW_VALUE'] = df['INDICATOR'].apply(map_values, args = (values_dict,))

Как это выглядит:

df
Out[2]: 
  INDICATOR  VALUE  NEW_VALUE
0         A     10          1
1         B      9          2
2         C      8          3
3         D      7          4

Этот подход может быть очень сильным, если у вас есть много операторов ifelse -type, чтобы сделать (т.е. множество уникальных значений для замены).

И, конечно же, вы всегда можете это сделать:

df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)

Но этот подход более чем в три раза медленнее, чем подход apply сверху, на моей машине.

И вы также можете сделать это, используя dict.get:

df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']]

Ответ 4

Другой способ, которым это может быть достигнуто, -

df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')

Ответ 5

Следующее выполняется медленнее, чем подходы, рассчитанные здесь, но мы можем вычислить дополнительный столбец на основе содержимого более чем одного столбца, и для дополнительного столбца можно вычислить более двух значений.

Простой пример с использованием только столбца "Установить":

def set_color(row):
    if row["Set"] == "Z":
        return "red"
    else:
        return "green"

df = df.assign(color=df.apply(set_color, axis=1))

print(df)

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B  green
3   Y    C  green

Пример с учетом большего количества цветов и столбцов:

def set_color(row):
    if row["Set"] == "Z":
        return "red"
    elif row["Type"] == "C":
        return "blue"
    else:
        return "green"

df = df.assign(color=df.apply(set_color, axis=1))

print(df)

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B  green
3   Y    C   blue

Изменить (21/06/2019): использование plydata

Для этого можно также использовать plydata (хотя это кажется даже медленнее, чем при использовании assign и apply).

from plydata import define, if_else

Простой if_else:

df = define(df, color=if_else('Set=="Z"', '"red"', '"green"'))

print(df)

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B  green
3   Y    C  green

Вложенный if_else:

df = define(df, color=if_else(
    'Set=="Z"',
    '"red"',
    if_else('Type=="C"', '"green"', '"blue"')))

print(df)                            

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B   blue
3   Y    C  green

Ответ 6

Возможно, это стало возможным благодаря новым обновлениям Pandas, но я думаю, что следующее является самым коротким и, возможно, лучшим ответом на этот вопрос до сих пор. Вы можете использовать одно или несколько условий в зависимости от ваших потребностей.

df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
df['Color'] = "red"
df.loc[(df['Set']=="Z"), 'Color'] = "green"
print(df)

# result: 
  Type Set  Color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

Ответ 7

Один вкладыш с методом .apply() следующий:

df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')

После этого фрейм данных df выглядит следующим образом:

>>> print(df)
  Type Set  color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red