Panda bersyarat penciptaan seri / kolom dataframe

Saya memiliki kerangka data di sepanjang baris di bawah ini:

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

Saya ingin menambahkan kolom lain ke kerangka data (atau menghasilkan serangkaian) dengan panjang yang sama dengan kerangka data (= jumlah record / baris yang sama) yang menetapkan warna hijau jika Set = 'Z' dan 'red' jika Set = jika tidak .

Apa cara terbaik untuk melakukan ini?

Jika Anda hanya memiliki dua pilihan untuk dipilih:

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

Sebagai contoh,

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)

hasil panen

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

Jika Anda memiliki lebih dari dua syarat, gunakannp.select . Misalnya, jika Anda ingin colormenjadi

• yellow kapan (df['Set'] == 'Z') & (df['Type'] == 'A')
• sebaliknya bluekapan(df['Set'] == 'Z') & (df['Type'] == 'B')
• sebaliknya purplekapan(df['Type'] == 'B')
• jika tidak black,

lalu gunakan

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)

yang menghasilkan

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

Pemahaman daftar adalah cara lain untuk membuat kolom lain secara kondisional. Jika Anda bekerja dengan objek tipe dalam kolom, seperti dalam contoh Anda, daftar pemahaman biasanya mengungguli sebagian besar metode lain.

Pemahaman daftar contoh:

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

% tes 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

Cara lain untuk mencapai hal ini adalah

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

Berikut ini cara lain untuk menguliti kucing ini, menggunakan kamus untuk memetakan nilai baru ke tombol dalam daftar:

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,))

Seperti apa itu:

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

Pendekatan ini bisa sangat kuat ketika Anda memiliki banyak ifelsepernyataan tipe-untuk membuat (yaitu banyak nilai unik untuk diganti).

Dan tentu saja Anda selalu bisa melakukan ini:

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

Tetapi pendekatan itu lebih dari tiga kali lebih lambat dari applypendekatan dari atas, pada mesin saya.

Dan Anda juga bisa melakukan ini, menggunakan dict.get:

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

Berikut ini lebih lambat daripada pendekatan waktu di sini , tetapi kami dapat menghitung kolom tambahan berdasarkan konten lebih dari satu kolom, dan lebih dari dua nilai dapat dihitung untuk kolom tambahan.

Contoh sederhana hanya menggunakan kolom "Set":

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

Contoh dengan lebih banyak warna dan lebih banyak kolom yang diperhitungkan:

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

Sunting (21/06/2019): Menggunakan plydata

Dimungkinkan juga untuk menggunakan plydata untuk melakukan hal-hal semacam ini (ini tampaknya lebih lambat daripada menggunakan assigndan apply, meskipun).

from plydata import define, if_else

Sederhana 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

Bersarang 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

Mungkin ini telah dimungkinkan dengan pembaruan Pandas yang lebih baru, tetapi saya pikir yang berikut ini adalah jawaban terpendek dan mungkin terbaik untuk pertanyaan itu, sejauh ini. Anda dapat menggunakan .locmetode ini dan menggunakan satu kondisi atau beberapa tergantung pada kebutuhan Anda.

Ringkasan Kode:

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"

#practice!
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

Penjelasan:

df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))

# df so far: 
  Type Set  
0    A   Z 
1    B   Z 
2    B   X 
3    C   Y

tambahkan kolom 'warna' dan setel semua nilai ke "merah"

df['Color'] = "red"

Terapkan satu kondisi Anda:

df.loc[(df['Set']=="Z"), 'Color'] = "green"


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

atau beberapa kondisi jika Anda ingin:

df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

Anda dapat membaca tentang operator logis Pandas dan pemilihan bersyarat di sini: Operator logis untuk pengindeksan boolean di Pandas

Satu liner dengan .apply()metode adalah sebagai berikut:

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

Setelah itu, dfbingkai data terlihat seperti ini:

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

Jika Anda bekerja dengan data besar, pendekatan memo yang terbaik:

# First create a dictionary of manually stored values
color_dict = {'Z':'red'}

# Second, build a dictionary of "other" values
color_dict_other = {x:'green' for x in df['Set'].unique() if x not in color_dict.keys()}

# Next, merge the two
color_dict.update(color_dict_other)

# Finally, map it to your column
df['color'] = df['Set'].map(color_dict)

Pendekatan ini akan menjadi tercepat ketika Anda memiliki banyak nilai berulang. Aturan umum saya adalah untuk memo ketika: data_size> 10**4& n_distinct<data_size/4

Ex Memoize dalam kasus 10.000 baris dengan nilai berbeda 2.500 atau kurang.