我有一个包含几列的DataFrame：
'a' 'b' 'c' 'd'
0 'x' 3 3 5
1 'y' 2 3 6
2 'z' 1 4 1
我想创建一些依赖于数据的新列。列中的每个可能值＆＃39; a＆＃39;我想要两个新列（我在列中列出了所有不同的值＆＃39; a＆＃39;。只有少数几个）。每列有两个条件：对于第一个新列，列＆＃39; a＆＃39;需要等于所需的值（例如＆＃39; x＆＃39;）和列＆＃39; b＆＃39;等于列＆＃39; c＆＃39;。对于第二个新的，列＆＃39; a＆＃39;仍然需要等于所需的值，但列＆＃39; b＆＃39;需要等于列＆＃39; d＆＃39; （列＆＃39; b＆＃39;将等于＆＃39; c＆＃39;或＆＃39; d＆＃39;）。如果两个条件都满足，则新列将获得1，否则将获得0。
以下是使用上述示例DataFrame查看的内容，具体如下：
一个。列的期望值＆＃39; e＆＃39; ＆安培; ＆＃39; F＆＃39;是＆＃39; x＆＃39;
湾列的期望值＆＃39; g＆＃39; ＆安培; ＆＃39; H＆＃39;是＆＃39;
℃。列的期望值＆＃39; j＆＃39; ＆安培; ＆＃39; K＆＃39;是＆＃39; z＆＃39;
d。专栏＆＃39;＆＃39;＆＃39;＆＃39; h＆＃39;当列＆＃39; b＆＃39;和＆＃39; c＆＃39;是平等的
即专栏＆＃39; f＆＃39;，＆＃39; h＆＃39;，＆＃39; k＆＃39;当列＆＃39; b＆＃39;并且＆＃39; d＆＃39;是平等的
'a' 'b' 'c' 'd' 'e' 'f' 'g' 'h' 'j' 'k'
0 'x' 3 3 5 1 0 0 0 0 0
1 'y' 2 3 6 0 0 0 0 0 0
2 'z' 1 4 1 0 0 0 0 0 1
我尝试使用每个示例的apply函数。这就是我们想要测试x＆＃39; x＆＃39;那个栏目＆＃39; b＆＃39;和＆＃39; c＆＃39;是平等的：
data['d']= data.apply(lambda row: assignEvent(row, 'x', row['c']), axis=1 )
使用assignEvent函数：
def assignEvent(row, event, venue):
"""
:param event: the desired event we're looking for
:param venue: Either column 'c' or 'd'
"""
if (str(row['a'])==event) & (str(venue)==str(row['b'])):
return 1
else:
return 0
它没有工作，因为当我完成新列中的所有值都是0.我不知道为什么，因为我测试了它，我知道我＆＃39;进入我的函数中的if语句。
答案 0 :(得分：1)
我改变了一些事情。首先，列a的数据有引号，因此我在assignEvent函数中删除了replace的数据。其次，我只将列名作为场地参数传递，让我们访问该函数中的那一列。
def assignEvent(row, event, venue):
"""
:param event: the desired event we're looking for
:param venue: Either column 'c' or 'd'
"""
if (row['a'].replace("'","")==event) & (row[venue]==row['b']):
return 1
else:
return 0
df['dd']= df.apply(lambda row: assignEvent(row, 'x', 'c'), axis=1 )
输出：
a b c d dd
0 'x' 3 3 5 1
1 'y' 2 3 6 0
2 'z' 1 4 1 0
答案 1 :(得分：1)
我将提出一种避免使用apply的方法，以提高速度和速度。缩放。看起来您实际上的目标是根据您在问题中列出的条件，为data['a']中的条目添加两个不同的指标变量集。如果这是不正确的，并且只有列a的值的一部分应该得到指标，请参见附录。
获取指标变量非常简单：
dummies = pd.get_dummies(data['a'])
dummies
Out[335]:
'x' 'y' 'z'
0 1 0 0
1 0 1 0
2 0 0 1
识别条件为真的行也很容易，这里使用numpy.where：
np.where(data['b'] == data['c'], 1, 0)
要合并这些，我们可以在使用np.where输出格式后稍微使用矩阵乘法：
np.array([np.where(data['b'] == data['c'], 1, 0)]).T*dummies
Out[338]:
'x' 'y' 'z'
0 1 0 0
1 0 0 0
2 0 0 0
要对这两种情况执行此操作，请将其与原始数据相关联，并按照指定的格式对其进行格式化，我将跳过以下内容：
def col_a_dummies(data):
dummies = pd.get_dummies(data['a'])
b_c = np.array([np.where(data['b'] == data['c'], 1, 0)]).T*dummies
b_d = np.array([np.where(data['b'] == data['d'], 1, 0)]).T*dummies
return pd.concat([data[['a', 'b', 'c', 'd']], b_c, b_d], axis=1)
def format_dummies(dummies):
dummies.columns = ['a', 'b', 'c', 'd', 'e', 'g', 'j', 'f', 'h', 'k']
return dummies.sort_index(axis=1)
data = format_dummies(col_a_dummies(data))
data
Out[362]:
a b c d e f g h j k
0 'x' 3 3 5 1 0 0 0 0 0
1 'y' 2 3 6 0 0 0 0 0 0
2 'z' 1 4 1 0 0 0 0 0 1
<强>附录：
如果数据帧在被馈送到get_dummies之前首先被过滤，则此方法仍然很有效。这确实引入了需要对数据进行唯一索引的附加约束。
def filtered_col_a_dummies(data, values):
filtered = data[data['a'].isin(values)]
dummies = pd.get_dummies(filtered['a'])
b_c = np.array([np.where(filtered['b'] == filtered['c'], 1, 0)]).T*dummies
b_d = np.array([np.where(filtered['b'] == filtered['d'], 1, 0)]).T*dummies
return pd.concat([data[['a', 'b', 'c', 'd']], b_c, b_d], axis=1).fillna(0)
在三行上，这已经更快了：
def assignEvent(row, event, venue):
"""
:param event: the desired event we're looking for
:param venue: Either column 'c' or 'd'
"""
if (row['a']==event) & (row[venue]==row['b']):
return 1
else:
return 0
def no_sort_format_dummies(dummies):
dummies.columns = ['a', 'b', 'c', 'd', 'e', 'g', 'j', 'f', 'h', 'k']
return dummies
%timeit data.apply(lambda row: assignEvent(row, "'x'", 'c'), axis=1)
1000 loops, best of 3: 467 µs per loop
# needs to be repeated six times in total, total time 2.80 ms, ignoring assignment
%timeit format_dummies(col_a_dummies(data))
100 loops, best of 3: 2.58 ms per loop
或
%timeit no_sort_format_dummies(col_a_dummies(data))
100 loops, best of 3: 2.07 ms per loop
如果没有对列进行排序。
如果已过滤：
%timeit format_dummies(filtered_col_a_dummies(data, ("'x'", "'y'", "'z'")))
100 loops, best of 3: 3.92 ms per loop
在300行上它变得更加明显：
%timeit data.apply(lambda row: assignEvent(row, "'x'", 'c'), axis=1)
100 loops, best of 3: 10.9 ms per loop
%timeit format_dummies(col_a_dummies(data))
100 loops, best of 3: 2.73 ms per loop
%timeit no_sort_format_dummies(col_a_dummies(data))
100 loops, best of 3: 2.14 ms per loop
%timeit format_dummies(filtered_col_a_dummies(data, ("'x'", "'y'", "'z'")))
100 loops, best of 3: 4.04 ms per loop