Question

样本DF：

我有一个df，其中包含Zone，New_Zone，Country，New_Region和Currency之类的列

Currency列的值类似EUR，AUD，BLR，RUB

Zone列的值类似EU，Africa，NAZ

New_Zone的值类似于EU，Europe，EUROPE，Africa，NAZ，AFRICA

Country的值类似于Australia，Brazil，Russia，Ukraine，USA

New_Region的值类似于Australia，Brazil，USA

因此，列Zone和New_Zone包含几乎相似的值，列New_Region和Country包含几乎相似的值

询问：

我想在满足以下条件的情况下创建一个名为Currency_Match的新列：

如果Zone是EU OR （逻辑）New_Zone是EU，欧洲或EUROPE 且（逻辑）货币是EUR，则是其他否
如果国家/地区为澳大利亚 OR （逻辑）新地区为澳大利亚 AND （逻辑）货币为AUD，则为其他否
如果国家/地区为巴西 OR （逻辑）新地区为巴西 AND （逻辑）货币为BLR，则为其他否
如果国家/地区为韩国 OR （逻辑）新地区为韩国 AND （逻辑）货币为KRW，则其他为否
如果区域是非洲 OR （逻辑）New_Zone是非洲或非洲，则 AND （逻辑）货币是NGN，则是，否则是< / p>

6如果Zone是NAZ OR （逻辑）New_Zone是NAZ，则 AND （逻辑）货币是USD，则是其他

7如果国家/地区是俄罗斯，乌克兰 OR （逻辑）新地区是俄罗斯 AND （逻辑）货币是RUB，则是否

我总共有上述7种情况

代码：

        df['Currency_Match']=df.apply(lambda row: "Yes" if (((row['Zone'] == "EU")|(row['New_Zone'] =='Europe')|(row['New_Zone'] =='EU')|(row['New_Zone'] =='EUROPE')) 
& (row["Contract - Original Currency Code"] == "EUR"))
     else 'No',axis=1)

问题：

上面的代码运行良好，但是当我编写类似这样的其他条件时，它会一次又一次地更新列。

他们有其他方法可以做到吗，而且也比这麻烦吗

Answer 1

为可读代码的单独行创建每个条件，按|或&进行按链OR或AND的链接，以形成最终掩码并传递到numpy.where ：

m1 = (df['Zone'] == "EU")|(df['New_Zone'].isin(['Europe','EUROPE','EU'])
m2 = (df["Contract - Original Currency Code"] == "EUR")

m3 = (df['Region'] == "Australia")|(df['New_Region'] =='Australia')
m4 = (df["Contract - Original Currency Code"] == "AUD")

m5 = (df['Region'] == "Brazil")|(df['New_Region'] =='Brazil')
m6 = (df["Contract - Original Currency Code"] == "BLR")

mask = (m1 & m2) | (m3 & m4) | (m5 & m6)

df['Currency_Match'] = np.where(mask, "Yes", 'No')

编辑：对于动态解决方案，请按货币创建带有区域和区域列表的字典，然后传递到dict comprehension中的logical_or.reduce：

#zone dict
d1 = {'EUR':['Europe','EUROPE','EU'],'NGN':['Africa','AFRICA'],'USD':['NAZ']}

#region dict
d2 = {'AUD':['Australia'], 'BLR':['Brazil'],'KRW':['Korea'],'RUB':['Russia','Ukraine']}

m1 = [(df['Zone'].isin(v) | df['New_Zone'].isin(v)) & 
      (df["Contract - Original Currency Code"] == k) 
       for k, v in d1.items()]
print (m1)

m2 = [(df['Region'].isin(v) | df['New_Region'].isin(v)) & 
      (df["Contract - Original Currency Code"] == k) 
       for k, v in d2.items()]
print (m2)

mask = np.logical_or.reduce(m1) | np.logical_or.reduce(m2)

df['Currency_Match'] = np.where(mask, "Yes", 'No')

创建具有多个匹配项的新列

1 个答案: