Question

我需要向Pandas数据框添加一个新列。

如果“诱导”列中包含文本（非空且非“”），则需要添加1，否则为0

我尝试过

df['newColumn'] = np.where(df['INDUCING']!="", 1, 0)

此命令仅适用于以“”开头的字符串值，但如果为null，则无效。

关于如何正确添加此列的任何想法吗？

Answer 1

通过De Morgan's laws，NOT（cond1或cond2）等同于AND（NOT（cond1）和NOT（cond2））。

您可以根据需要通过按位“和”（&）/“或”（|）运算符组合条件。这给出了一个布尔序列，然后可以将其强制转换为int：

df['newColumn'] = (df['INDUCING'].ne('') & df['INDUCING'].notnull()).astype(int)

Answer 2

最简单的方法是先进行.fillna('')。更正：

df['newColumn'] = np.where(df['INDUCING'].fillna('') != "", 1, 0)

或直接将.astype（int）传递给掩码。这会将True转换为1，将False转换为0：

df['newcol'] = (df['INDUCING'].fillna('') != '').astype(int)

Answer 3

由于内置bool会在字符串上精确生成True（如果它是非空的），则可以通过以下方式简单实现

df['newColumn'] = df['INDUCING'].astype(bool).astype(int)

一些性能比较：

In [61]: df = pd.DataFrame({'INDUCING': ['test', None, '', 'more test']*10000})

In [63]: %timeit np.where(df['INDUCING'].fillna('') != "", 1, 0)
5.68 ms ± 500 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [62]: %timeit (df['INDUCING'].ne('') & df['INDUCING'].notnull()).astype(int)
5.1 ms ± 223 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [64]: %timeit np.where(df['INDUCING'], 1, 0)
667 µs ± 25.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [65]: %timeit df['INDUCING'].astype(bool).astype(int)
655 µs ± 5.55 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [99]: %timeit df['INDUCING'].values.astype(bool).astype(int)
553 µs ± 18.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

使用依赖于另一列的布尔值创建一个新的Pandas df列

3 个答案: