Python / Pandas - 基于几个变量和if / elif / else函数创建新变量

时间:2016-08-05 21:40:20

标签: python pandas numpy

我正在尝试根据其他几个值的值创建一个有条件的新变量。我在这里写,因为我已经尝试将它写成R中的嵌套ifelse()语句,但它有太多嵌套的ifelse,所以它抛出了一个错误,我认为应该有一种更简单的方法来解决这个问题在Python中。

我有一个大致相似的数据框(称为df)(虽然实际上它有更大的月/年变量),我已经读作了一个pandas DataFrame:

{
  "TypedProperty": 5,
  "UntypedProperty": {
    "$type": "Question38777588.TypeWrapper`1[[System.Guid, mscorlib]], Tile",
    "Value": "e2983c59-5ec4-41cc-b3fe-34d9d0a97f22"
  }
}

我正在尝试创建一个依赖于所有这些变量的值的新变量,但是来自“早期”变量的值需要有先例,所以if / elif / else条件需要这样的东西:

   ID  Sept_2015  Oct_2015  Nov_2015  Dec_2015  Jan_2016  Feb_2016  Mar_2016  \
0   1          0         0         0         0         1         1         1   
1   2          0         0         0         0         0         0         0   
2   3          0         0         0         0         1         1         1   
3   4          0         0         0         0         0         0         0   
4   5          1         1         1         1         1         1         1   

   grad_time  
0        240  
1        218  
2        236  
3          0  
4        206 

基于此,我希望它返回一个看起来像这样的新变量:

if df['Sept_2015'] > 0 & df['grad_time'] <= 236:
    return 236
elif df['Oct_2015'] > 0 & df['grad_time'] <= 237:
    return 237
elif df['Nov_2015'] > 0 & df['grad_time'] <= 238:
    return 238
elif df['Dec_2015'] > 0 & df['grad_time'] <= 239:
    return 239
elif df['Jan_2016'] > 0 & df['grad_time'] <= 240:
    return 240
elif df['Feb_2016'] > 0 & df['grad_time'] <= 241:
    return 241
elif df['Mar_2016'] > 0 & df['grad_time'] <= 242:
    return 242
else:
    return 0

我尝试过编写这样的函数:

   trisk
0    240
1      0
2    240
3      0
4    236

并将其映射到数据框以创建新变量,如下所示:

def test_func(df):
    """ Test Function for generating new value"""
    if df['Sept_2015'] > 0 & df['grad_time'] <= 236:
        return 236
    elif df['Oct_2015'] > 0 & df['grad_time'] <= 237:
        return 237
    ...
    else:
        return 0

但是,当我运行它时,我得到以下TypeError

new_df = pd.DataFrame(map(test_func, df)) 

所以我可以看到它不希望这里的列名。但我已经尝试了许多其他方法,但无法让它发挥作用。另外,我理解这可能不是写这个(映射函数)的最好方法,所以我愿意尝试解决生成trisk变量问题的新方法。如果我没有提供任何东西,请提前致谢并道歉。

2 个答案:

答案 0 :(得分:2)

设置

df = pd.DataFrame([[0, 0, 0, 0, 1, 1, 1, 240],
                   [0, 0, 0, 0, 0, 0, 0, 218],
                   [0, 0, 0, 0, 1, 1, 1, 236],
                   [0, 0, 0, 0, 0, 0, 0,   0],
                   [1, 1, 1, 1, 1, 1, 1, 206]],
                  pd.Index(range(1, 6), name='ID'),
                  ['Sept_2015', 'Oct_2015', 'Nov_2015', 'Dec_2015',
                   'Jan_2016', 'Feb_2016', 'Mar_2016', 'grad_time'])

我主要使用numpy

a = np.array([236, 237, 238, 239, 240, 241, 242])
b = df.values[:, :-1]
g = df.values[:, -1][:, None] <= a

a[(b & g).argmax(1)] * (b & g).any(1)

将其分配给新列

df['trisk'] = a[(b != 0).argmax(1)] * (b != 0).any(1)

df

enter image description here

答案 1 :(得分:2)

无需简化您的逻辑(@piRSquared进入):您可以通过向数据框发出test_func.apply(test_func, axis=1)应用于行。

import io
import pandas as pd

data = io.StringIO('''\
   ID  Sept_2015  Oct_2015  Nov_2015  Dec_2015  Jan_2016  Feb_2016  Mar_2016  grad_time  
0   1          0         0         0         0         1         1         1        240
1   2          0         0         0         0         0         0         0        218   
2   3          0         0         0         0         1         1         1        236
3   4          0         0         0         0         0         0         0          0
4   5          1         1         1         1         1         1         1        206
''')
df = pd.read_csv(data, delim_whitespace=True)

def test_func(df):
    """ Test Function for generating new value"""
    if df['Sept_2015'] > 0 & df['grad_time'] <= 236:
        return 236
    elif df['Oct_2015'] > 0 & df['grad_time'] <= 237:
        return 237
    elif df['Nov_2015'] > 0 & df['grad_time'] <= 238:
        return 238
    elif df['Dec_2015'] > 0 & df['grad_time'] <= 239:
        return 239
    elif df['Jan_2016'] > 0 & df['grad_time'] <= 240:
        return 240
    elif df['Feb_2016'] > 0 & df['grad_time'] <= 241:
        return 241
    elif df['Mar_2016'] > 0 & df['grad_time'] <= 242:
        return 242
    else:
        return 0

trisk = df.apply(test_func, axis=1)
trick.name = 'trisk'
print(trisk)

输出:

0    240
1      0
2    240
3      0
4    236
Name: trisk, dtype: int64