问题:使用熊猫比较两列
以此为起点:
a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])
Out[8]:
one two three
0 10 1.2 4.2
1 15 70 0.03
2 8 5 0
我想if
在熊猫中使用类似声明的内容。
if df['one'] >= df['two'] and df['one'] <= df['three']:
df['que'] = df['one']
基本上,通过if
语句检查每一行,然后创建新列。
文档说要使用,.all
但没有示例…
回答 0
您可以使用np.where。如果cond
是布尔数组,A
并且B
是数组,则
C = np.where(cond, A, B)
将C定义为等于A
哪里cond
为True,B
哪里cond
为False。
import numpy as np
import pandas as pd
a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])
df['que'] = np.where((df['one'] >= df['two']) & (df['one'] <= df['three'])
, df['one'], np.nan)
Yield
one two three que
0 10 1.2 4.2 10
1 15 70 0.03 NaN
2 8 5 0 NaN
如果您有多个条件,则可以使用np.select代替。例如,如果你想df['que']
等于df['two']
时df['one'] < df['two']
,则
conditions = [
(df['one'] >= df['two']) & (df['one'] <= df['three']),
df['one'] < df['two']]
choices = [df['one'], df['two']]
df['que'] = np.select(conditions, choices, default=np.nan)
Yield
one two three que
0 10 1.2 4.2 10
1 15 70 0.03 70
2 8 5 0 NaN
如果我们可以假设df['one'] >= df['two']
whendf['one'] < df['two']
为False,那么条件和选择可以简化为
conditions = [
df['one'] < df['two'],
df['one'] <= df['three']]
choices = [df['two'], df['one']]
(如果包含df['one']
或df['two']
包含NaN,则该假设可能不正确。)
注意
a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])
用字符串值定义一个DataFrame。由于它们看起来是数字,因此最好将这些字符串转换为浮点数:
df2 = df.astype(float)
但是,这会改变结果,因为字符串会逐个字符进行比较,而浮点数会进行数字比较。
In [61]: '10' <= '4.2'
Out[61]: True
In [62]: 10 <= 4.2
Out[62]: False
回答 1
您可以将其.equals
用于列或整个数据框。
df['col1'].equals(df['col2'])
如果它们相等,则该语句将返回True
else False
。
回答 2
您可以使用apply()并执行类似的操作
df['que'] = df.apply(lambda x : x['one'] if x['one'] >= x['two'] and x['one'] <= x['three'] else "", axis=1)
或者如果您不想使用lambda
def que(x):
if x['one'] >= x['two'] and x['one'] <= x['three']:
return x['one']
return ''
df['que'] = df.apply(que, axis=1)
回答 3
一种方法是使用布尔序列对列进行索引df['one']
。这将为您提供一个新列,其中的True
条目与相同的行具有相同的值,df['one']
并且这些False
值为NaN
。
布尔级数仅由您的if
语句给出(尽管必须使用&
代替and
):
>>> df['que'] = df['one'][(df['one'] >= df['two']) & (df['one'] <= df['three'])]
>>> df
one two three que
0 10 1.2 4.2 10
1 15 70 0.03 NaN
2 8 5 0 NaN
如果您希望将这些NaN
值替换为其他值,则可以使用fillna
新列上的方法que
。我用的0
不是这里的空字符串:
>>> df['que'] = df['que'].fillna(0)
>>> df
one two three que
0 10 1.2 4.2 10
1 15 70 0.03 0
2 8 5 0 0
回答 4
将每个条件括在括号中,然后使用&
运算符组合条件:
df.loc[(df['one'] >= df['two']) & (df['one'] <= df['three']), 'que'] = df['one']
您可以仅使用~
(“ not”运算符)来反转匹配项来填充不匹配的行:
df.loc[~ ((df['one'] >= df['two']) & (df['one'] <= df['three'])), 'que'] = ''
您需要使用&
和~
而不是and
和,not
因为&
和~
运算符是逐个元素地工作的。
最终结果:
df
Out[8]:
one two three que
0 10 1.2 4.2 10
1 15 70 0.03
2 8 5 0
回答 5
使用np.select
,如果你必须从数据帧和输出特定的选择在不同的列中选中多个条件
conditions=[(condition1),(condition2)]
choices=["choice1","chocie2"]
df["new column"]=np.select=(condtion,choice,default=)
注意:没有条件,没有选择项应该匹配,如果对于两个不同的条件您有相同的选择,请重复选择文本
回答 6
我认为最接近OP直觉的是内联if语句:
df['que'] = (df['one'] if ((df['one'] >= df['two']) and (df['one'] <= df['three']))