Question

我在创建基于布尔条件的列时遇到麻烦，该布尔条件在True时映射3列的总和，在False时映射相同的三列的平均值。我看到了一些可以映射简单字符串标识符的堆栈问题，但似乎无法使我的方程式起作用。我用一个非常笨拙的函数方法解决了我的问题，我也将展示它。但是，想看看是否有人对创建字段的更有效和潜在动态的方法有解决方案。

数据：

a =  df['man'].map(lambda x: (df['01-18']+df['02-18']+df['03-18']) if x == True else (df['01-18']+df['02-18']+df['03-18'])/3 )
a =  df['man'].map((df['01-18']+df['02-18']+df['03-18']) if df['man']==True else (df['01-18']+df['02-18']+df['03-18'])/3 )
a =  df.map((df['01-18']+df['02-18']+df['03-18']) if df['man']==True else (df['01-18']+df['02-18']+df['03-18'])/3 )

这些要么抛出错误，要么创建一个列表列表，这些列表我不容易添加为列：

def boolAgg(vals):
    d=[]
    for ind,val in enumerate(vals):
        if val == True:
            d.append(df.iloc[ind,0]+df.iloc[ind,1]+df.iloc[ind,2])
        else:
            d.append((df.iloc[ind,0]+df.iloc[ind,1]+df.iloc[ind,2])/3)
    return d 



df['Q_1'] = boolAgg(df['man'])

我的函数将为我提供所需的信息（基于df ['man']的季度总和或平均值，但我必须重新定义列索引才能获取下一个季度：

def boolAgg(vals):
    d=[]
    for ind,val in enumerate(vals):
        if val == True:
            d.append(df.iloc[ind,3]+df.iloc[ind,4]+df.iloc[ind,5])
        else:
            d.append((df.iloc[ind,3]+df.iloc[ind,4]+df.iloc[ind,5])/3)
    return d  

df['Q_2'] = boolAgg(df['man'])

得到Q1，现在我重新定义并运行Q2：

{{1}}

有没有更简单的方法来做到这一点？完美的解决方案将能够使用可能方程式的字典（std.dev，sum，Average等，因此不仅可以映射布尔T / F），而且还可以使用循环自动获取接下来的三列作为集合（即每季度复制3个月-制定一个季度时间序列）并创建Q2，Q3等。 Qn列。

谢谢

Answer 1

对于简单的布尔条件，不应使用pd.Series.map或手动进行行迭代。相反，您可以使用numpy.where。

例如，替换以下内容...

a =  df['man'].map(lambda x: (df['01-18']+df['02-18']+df['03-18']) if x == True \
                             else (df['01-18']+df['02-18']+df['03-18'])/3 )

...具有矢量化逻辑：

sums_1_2_3 = df[['01-18', '02-18', '03-18']].sum(axis=1)
df['new_col'] = np.where(df['man'], sums_1_2_3, sums_1_2_3 / 3)

或者：

sum_1_2_3 = df[['01-18', '02-18', '03-18']].sum(axis=1)
mean_1_2_3 = df[['01-18', '02-18', '03-18']].mean(axis=1)

df['new_col'] = np.where(df['man'], sum_1_2_3, mean_1_2_3)

除了使代码更整洁外，这还将确保您使用的是Pandas数据框下面的NumPy数组。与pd.Series.map + lambda相比，这是一个微不足道的循环，您将看到显着的性能优势。

有条件的列创建DF Pandas

1 个答案: