Question

我需要为 df 中的患者创建一个列表，根据他们的 BMI 和是否吸烟将他们分类为“高”、“中”或“低”。当我当前运行代码时，所有六个条目都为“中”。（使用了假名和数据）

df = pd.DataFrame({'Name':['Jordan', 'Jess', 'Jake', 'Alice', 'Alan', 'Lauren'],
                   'Age':[26, 23, 19, 20, 24, 28],
                   'Sex':['M', 'F' , 'M', 'F', 'M', 'F'],
                   'BMI':[26, 22, 24, 17, 35, 20],
                   'Smokes':['No', 'No', 'Yes', 'No', 'Yes', 'No']})


risk_list = []

for i in df.Name:
  if df.BMI.any() > 30 | df.BMI.any() < 19.99 | df.Smokes.any() == "Yes":
    risk_list.append("High")
  elif df.BMI.any() >= 25 & df.BMI.any() <= 29.99:
    risk_list.append("Medium")
  elif df.BMI.any() < 24.99 & df.BMI.any() > 19.99 and df.Smokes.any() == "No":
    risk_list.append("Low")

print(risk_list)

输出：

['Medium', 'Medium', 'Medium', 'Medium', 'Medium', 'Medium']

就此而言，我是 Pandas 和 Python 的新手。我想我很接近但无法弄清楚为什么我的数据没有被正确返回。

谢谢。

Answer 1

你的代码中有很多东西。仅举几例：

你需要几个括号：df.BMI.any() > 30 | df.BMI.any() < 19.99 应该是 (df.BMI.any() > 30) | (df.BMI.any() < 19.99)
& 与 and
不同
循环内的所有内容，例如df.BMI.any() 独立于您正在查看的行，即 Name，因此您会在任何地方获得相同的值。

我认为您可以使用 np.select：

np.select([df.BMI.gt(30) | df.BMI.lt(19.99) | df.Smokes.eq('Yes'),
           df.BMI.between(25,29.99)],
          ['High', 'Medium'], 'Low')

输出：

array(['Medium', 'Low', 'High', 'High', 'High', 'Low'], dtype='<U6')

Answer 2

除了@QuangHoang 的回答之外，对数据帧进行迭代也有些直观。您使用 .iterrows()，而不是您的 Name 列，因为这不是字典。

risk_list = []

for _, i in df.iterrows():
    if i.BMI > 30 or i.BMI < 19.99 or i.Smokes == "Yes":
        risk_list.append("High")
    elif i.BMI >= 25 and i.BMI <= 29.99:
        risk_list.append("Medium")
    elif i.BMI < 24.99 and i.BMI > 19.99 and i.Smokes == "No":
        risk_list.append("Low")

>>> print(risk_list)
    ['Medium', 'Low', 'High', 'High', 'High', 'Low']

Answer 3

您可以将其定义为函数并将其传递给 .apply()：

def risk_eval(row):
  if row.BMI > 30 | row.BMI < 19.99 | row.Smokes== "Yes":
    return "High"
  elif row.BMI >= 25 & row.BMI <= 29.99:
    return"Medium"
  elif rowBMI < 24.99 & row.BMI> 19.99 and row.Smokes == "No":
    return "Low"

df['Risk'] = df.apply(lambda x: risk_eval(x),axis=1)

然后获取列表：

df['Risk'].values.tolist()

使用条件从 df 创建列表

3 个答案: