Question

我要问的是标题有点复杂。我做了这个例子来向你展示我的问题。以下是示例表：

df = pd.DataFrame({'Number': [1,2,3,4,5,6,7,8,9], 'Col1':['a','b','c','d','e','f','g','h','i']})

下一步是提取df ['Number']并出于某种原因运行迭代。 number= [i*i for i in df['Number']]输出为[1, 4, 9, 16, 25, 36, 49, 64, 81]

现在我有一个变量'number'，这是一个列表。

现在关键的一步是我必须重新组合这个列表。假设数字小于40

number1 = [i for i in number if i < 40]
number2 = [i for i in number if i > 40]

好的，我想要的关键步骤是将number1和number2添加到df，但预期的最终输出是这样的：

也就是说，添加一个新列'Type'，这两个新变量必须与索引匹配，内容为'number1'和'number2'，但不是'1,4,9 ... 81'。

Answer 1

我认为boolean mask需要numpy.where：

print (df.Number.pow(2) < 40)
0     True
1     True
2     True
3     True
4     True
5     True
6    False
7    False
8    False
Name: Number, dtype: bool

df['Type'] = np.where(df.Number.pow(2) < 40, 'number1', 'number2')
#same as
#df['Type'] = np.where(df.Number ** 2 < 40, 'number1', 'number2')
#another solution
#df['Type'] = np.where(df.Number.pow(2).lt(40), 'number1', 'number2')
print (df)
  Col1  Number     Type
0    a       1  number1
1    b       2  number1
2    c       3  number1
3    d       4  number1
4    e       5  number1
5    f       6  number1
6    g       7  number2
7    h       8  number2
8    i       9  number2

计时 - numpy.where最快：

df = pd.DataFrame({'Number': [1,2,3,4,5,6,7,8,9], 'Col1':['a','b','c','d','e','f','g','h','i']})
#[9000 rows x 5 columns]
df = pd.concat([df]*1000).reset_index(drop=True)

df['Type'] = np.where(df.Number.pow(2).lt(40), 'number1', 'number2')

df['Type1'] = 'number' + (1 + ((df.Number**2)>40).astype(int)).astype(str)

# Rule to produce new values
def f(row):
    if row['Number']**2 > 40:
        val = 'Number2'
    else:
        val = 'Number1'
    return val

df['Type2'] = df.apply(f, axis=1)

#print (df)

In [218]: %timeit df['Type'] = np.where(df.Number.pow(2).lt(40), 'number1', 'number2')
1000 loops, best of 3: 1.63 ms per loop

In [219]: %timeit df['Type1'] = 'number' + (1 + ((df.Number**2)>40).astype(int)).astype(str)
100 loops, best of 3: 13.5 ms per loop

In [220]: %timeit df['Type2'] = df.apply(f, axis=1)
10 loops, best of 3: 127 ms per loop

编辑：

我创建帮助列以便更好地理解比较：

df['pow'] = df.Number.pow(2)
df['comaping val'] = 40
df['val'] = df.Number.pow(2).lt(40)
print (df)
  Col1  Number  pow  comaping val    val
0    a       1    1            40   True
1    b       2    4            40   True
2    c       3    9            40   True
3    d       4   16            40   True
4    e       5   25            40   True
5    f       6   36            40   True
6    g       7   49            40  False
7    h       8   64            40  False
8    i       9   81            40  False

Answer 2

这是我的创意方法：

数据：

In [23]: df Out[23]: Col1 Number 0 a 1 1 b 2 2 c 3 3 d 4 4 e 5 5 f 6 6 g 7 7 h 8 8 i 9

<强>解决方案：

In [24]: df['Type'] = 'number' + (1 + ((df.Number**2)>40).astype(int)).astype(str)

<强>结果：

In [25]: df Out[25]: Col1 Number Type 0 a 1 number1 1 b 2 number1 2 c 3 number1 3 d 4 number1 4 e 5 number1 5 f 6 number1 6 g 7 number2 7 h 8 number2 8 i 9 number2

<强>解释

In [29]: ((df.Number**2)>40).astype(int) Out[29]: 0 0 1 0 2 0 3 0 4 0 5 0 6 1 7 1 8 1 Name: Number, dtype: int32 In [30]: 1 + ((df.Number**2)>40).astype(int) Out[30]: 0 1 1 1 2 1 3 1 4 1 5 1 6 2 7 2 8 2 Name: Number, dtype: int32

Answer 3

制作自定义功能，然后在pandas.apply

中使用它

import pandas as pd

# Rule to produce new values
def f(row):
    if row['Number']**2 > 40:
        val = 'Number2'
    else:
        val = 'Number1'
    return val

df = pd.DataFrame({'Number': [1,2,3,4,5,6,7,8,9], 'Col1':['a','b','c','d','e','f','g','h','i']})

# Apply the function to construct new column
df['Type'] = df.apply(f, axis=1)
print (df)

输出：

 Col1  Number     Type
0    a       1  Number1
1    b       2  Number1
2    c       3  Number1
3    d       4  Number1
4    e       5  Number1
5    f       6  Number1
6    g       7  Number2
7    h       8  Number2
8    i       9  Number2

Pandas将变量添加为列并对应于原始表（但它们具有不同的长度）

3 个答案: