Question

您好我有一个pandas数据帧，我有一个A列。

data = pandas.DataFrame()
data['A']= [numpy.random.choice([1,2,3,4,5,6]) for i in range(10)]

我想在A上添加B列条件（当A = 1然后B = 0，当A> 5然后B = 1时）而不是使用：

data.loc[data['A']==1,'B']=0
data.loc[data['A']>5, 'B']=1

这里我想创建一个函数来执行此操作，条件为dict：{'A = 1'：0，'A＆gt; 5'：1}所以我可以使用add_column（{'A = 1'： 0，'A＆gt; 5'：1}，'B'）执行上面的代码。我认为与经营者打交道是个棘手的任何好主意吗？

def add_column(condition_dict, NewColumnName):
    pass

Answer 1

虽然可能有效的方法，但可能的一种方法是使用eval函数。

创建输入df：

import pandas as pd
import numpy as np

data = pd.DataFrame()
data['A']= [np.random.choice([1,2,3,4,5,6]) for i in range(10)]
print(data)

输入df：

现在，创建了一个函数，使iterates和dataframe的每一行condition_dict以及row评估匹配value的时间new column存储在列表中对于为None更新的相应行。如果条件都不匹配，则默认为def add_column(df, condition_dict, NewColumnName): new_values = [] for index, row in df.iterrows(): # if none of the condition matches then put default value default_value = None # iterate through each condition to check if any matches for key, value in condition_dict.items(): expression = 'row.' + key if(eval(expression)): default_value = value # add corresponding rows new value for new column new_values.append(default_value) df[NewColumnName] = new_values：

add_column(data, {'A==1':0, 'A>5':1}, 'B')
print(data)

现在，要调用该函数：

   A    B
0  4  NaN
1  3  NaN
2  3  NaN
3  1  0.0
4  1  0.0
5  2  NaN
6  3  NaN
7  6  1.0
8  2  NaN
9  1  0.0

输出：

getElementsByClassName

解析字符串作为过滤pandas数据帧的条件

1 个答案: