Question

我需要根据Pandas数据帧中另一列的值设置一列的值。这是逻辑：

if df['c1'] == 'Value':
    df['c2'] = 10
else:
    df['c2'] = df['c3']

我无法让它做我想做的事，即只需创建一个包含新值的列（或更改现有列的值：任何一个适用于我）。

如果我尝试运行上面的代码或者如果我将其作为函数编写并使用apply方法，我会得到以下内容：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

Answer 1

执行此操作的一种方法是使用.loc编制索引。

示例

如果没有示例数据帧，我会在这里制作一个：

import numpy as np import pandas as pd df = pd.DataFrame({'c1': list('abcdefg')}) df.loc[5, 'c1'] = 'Value' >>> df c1 0 a 1 b 2 c 3 d 4 e 5 Value 6 g

假设您想创建新列 c2，相当于c1，c1除Value之外，在这种情况下，您想把它分配到10：

首先，您可以创建一个新列c2，并将其设置为等效为c1，使用以下两行之一（它们基本上执行相同的操作）：

df = df.assign(c2 = df['c1']) # OR: df['c2'] = df['c1']

然后，使用c1找到'Value'等于.loc的所有索引，并在c2处为这些索引分配所需的值：

df.loc[df['c1'] == 'Value', 'c2'] = 10

你最终得到了这个：

>>> df c1 c2 0 a a 1 b b 2 c c 3 d d 4 e e 5 Value 10 6 g g

如果正如您在问题中所建议的那样，您可能有时只想替换您已有的列中的值，而不是创建新列，那么只需跳过列创建，并执行以下操作：

df['c1'].loc[df['c1'] == 'Value'] = 10

给你：

>>> df c1 0 a 1 b 2 c 3 d 4 e 5 10 6 g

Answer 2

尝试：

df['c2'] = df['c1'].apply(lambda x: 10 if x == 'Value' else x)

Answer 3

您可以使用np.where()根据编码设置值

#df
   c1  c2  c3
0   4   2   1
1   8   7   9
2   1   5   8
3   3   3   5
4   3   6   8

现在根据您的条件更改['c2']列中的值（或设置）。

df['c2'] = np.where(df.c1 == 8,'X',df.c3)

  c1  c3 c4
0   4   1  1
1   8   9  X
2   1   8  8
3   3   5  5
4   3   8  8

Answer 4

请注意使选择反向的tilda。它使用熊猫方法（即比public class BookMemberConfig : IEntityTypeConfiguration<BookMember> { public void Configure(EntityTypeBuilder<BookMember> builder) { builder.HasKey(x => new { x.BookId, x.MemberId }); builder.HasOne(bookmember => bookmember.Book) .WithMany(b => b.MembersWhoHaveRead) .HasForeignKey(b => b.BookId); builder.HasOne(bookmember => bookmember.Member) .WithMany(m => m.BooksRead) .HasForeignKey(m => m.MemberId); } } / if更快）。

else

Answer 5

我建议分两步完成：

# set fixed value to 'c2' where the condition is met
df.loc[df['c1'] == 'Value', 'c2'] = 10

# copy value from 'c3' to 'c2' where the condition is NOT met
df.loc[df['c1'] != 'Value', 'c2'] = df[df['c1'] != 'Value', 'c3']

Answer 6

您可以使用pandas.DataFrame.mask添加所需数量的条件：

data = {'a': [1,2,3,4,5], 'b': [6,8,9,10,11]}

d = pd.DataFrame.from_dict(data, orient='columns')
c = {'c1': (2, 'Value1'), 'c2': (3, 'Value2'), 'c3': (5, d['b'])}

d['new'] = np.nan
for value in c.values():
    d['new'].mask(d['a'] == value[0], value[1], inplace=True)

d['new'] = d['new'].fillna('Else')
d

输出：

    a   b   new
0   1   6   Else
1   2   8   Value1
2   3   9   Value2
3   4   10  Else
4   5   11  11

Answer 7

如果您有中小型数据框，请尝试df.apply（），

df['c2'] = df.apply(lambda x: 10 if x['c1'] == 'Value' else x['c1'], axis = 1)

否则，如果您的数据框很大，请遵循上述注释中提到的切片技术。

Answer 8

我有一个很大的数据集，而.loc []花费的时间太长，所以我找到了一种矢量化的方法。回想一下，您可以将列设置为逻辑运算符，因此可以正常工作：

_render()

这提供了我想要的布尔值，但是您可以将其乘以1，以得到一个整数。

Answer 9

我相信 Series.map() 的可读性和效率都很高，例如：

df["c2"] = df["c1"].map(lambda x: 10 if x == 'Value' else x)

我喜欢它，因为如果条件逻辑变得更复杂，您可以将它移到一个函数中，然后只传入该函数而不是 lambda。

如果您需要基于多列的条件逻辑，您可以按照其他人的建议使用 DataFrame.apply()。

Pandas / Python：根据另一列中的值设置一列的值

9 个答案: