Панда умовне створення стовпця / колонки даних

У мене є кадр даних у відповідності до наведених нижче текстів:

    Type       Set
1    A          Z
2    B          Z           
3    B          X
4    C          Y

Я хочу додати ще один стовпець до фрейму даних (або генерувати серію) тієї ж довжини, що і кадр даних (= рівна кількість записів / рядків), який встановлює колір зеленого кольору, якщо Set = 'Z' та 'червоний', якщо Set = інше .

Який найкращий спосіб зробити це?

Якщо у вас є лише два варіанти:

df['color'] = np.where(df['Set']=='Z', 'green', 'red')

Наприклад,

import pandas as pd
import numpy as np

df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
print(df)

врожайність

  Set Type  color
0   Z    A  green
1   Z    B  green
2   X    B    red
3   Y    C    red

Якщо у вас більше двох умов, тоді використовуйтеnp.select . Наприклад, якщо ти хочеш colorбути таким

• yellow коли (df['Set'] == 'Z') & (df['Type'] == 'A')
• інакше blueколи(df['Set'] == 'Z') & (df['Type'] == 'B')
• інакше purpleколи(df['Type'] == 'B')
• інакше black,

потім використовуйте

df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
conditions = [
    (df['Set'] == 'Z') & (df['Type'] == 'A'),
    (df['Set'] == 'Z') & (df['Type'] == 'B'),
    (df['Type'] == 'B')]
choices = ['yellow', 'blue', 'purple']
df['color'] = np.select(conditions, choices, default='black')
print(df)

яка врожайність

  Set Type   color
0   Z    A  yellow
1   Z    B    blue
2   X    B  purple
3   Y    C   black

Розуміння списку - це ще один спосіб умовного створення іншого стовпця. Якщо ви працюєте з типами об'єктів у стовпцях, як у вашому прикладі, розуміння списку зазвичай перевершує більшість інших методів.

Приклад розуміння списку:

df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]

% тестів на час:

import pandas as pd
import numpy as np

df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
%timeit df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color'] = np.where(df['Set']=='Z', 'green', 'red')
%timeit df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')

1000 loops, best of 3: 239 µs per loop
1000 loops, best of 3: 523 µs per loop
1000 loops, best of 3: 263 µs per loop

Ще один шлях, якого можна досягти, це

df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')

Ось ще один спосіб зібрати цю кішку, використовуючи словник для відображення нових значень на клавіші у списку:

def map_values(row, values_dict):
    return values_dict[row]

values_dict = {'A': 1, 'B': 2, 'C': 3, 'D': 4}

df = pd.DataFrame({'INDICATOR': ['A', 'B', 'C', 'D'], 'VALUE': [10, 9, 8, 7]})

df['NEW_VALUE'] = df['INDICATOR'].apply(map_values, args = (values_dict,))

Як це виглядає:

df
Out[2]: 
  INDICATOR  VALUE  NEW_VALUE
0         A     10          1
1         B      9          2
2         C      8          3
3         D      7          4

Цей підхід може бути дуже потужним, коли у вас є багато ifelseзаявок типу (тобто багато унікальних значень для заміни).

І звичайно, ви завжди могли це зробити:

df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)

Але такий підхід більш ніж утричі повільніший, ніж applyпідхід зверху, на моїй машині.

І ви також можете це зробити, використовуючи dict.get:

df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']]

Далі йде повільніше, ніж підходи, присвячені тут , але ми можемо обчислити додатковий стовпець на основі вмісту більше одного стовпця, і для додаткового стовпця можна обчислити більше двох значень.

Простий приклад, використовуючи лише стовпець "Встановити":

def set_color(row):
    if row["Set"] == "Z":
        return "red"
    else:
        return "green"

df = df.assign(color=df.apply(set_color, axis=1))

print(df)

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B  green
3   Y    C  green

Приклад із врахуванням більшої кількості кольорів та більше стовпців:

def set_color(row):
    if row["Set"] == "Z":
        return "red"
    elif row["Type"] == "C":
        return "blue"
    else:
        return "green"

df = df.assign(color=df.apply(set_color, axis=1))

print(df)

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B  green
3   Y    C   blue

Редагувати (21.06.2019): Використання плідату

Можна також використовувати плідати для подібних речей (це здається навіть повільніше, ніж використання assignта apply, хоча).

from plydata import define, if_else

Простий if_else:

df = define(df, color=if_else('Set=="Z"', '"red"', '"green"'))

print(df)

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B  green
3   Y    C  green

Вкладено if_else:

df = define(df, color=if_else(
    'Set=="Z"',
    '"red"',
    if_else('Type=="C"', '"green"', '"blue"')))

print(df)                            

  Set Type  color
0   Z    A    red
1   Z    B    red
2   X    B   blue
3   Y    C  green

Можливо, це можливо завдяки новішим оновленням Pandas, але я вважаю, що наступне - найкоротший і, можливо, найкращий відповідь на це питання поки що. Ви можете використовувати .locметод і використовувати одну умову або кілька, залежно від ваших потреб.

Код:

df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
df['Color'] = "red"
df.loc[(df['Set']=="Z"), 'Color'] = "green"

#practice!
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

Пояснення:

df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))

# df so far: 
  Type Set  
0    A   Z 
1    B   Z 
2    B   X 
3    C   Y

додайте стовпець "колір" і встановіть усі значення "червоний"

df['Color'] = "red"

Застосуйте свою єдину умову:

df.loc[(df['Set']=="Z"), 'Color'] = "green"


# df: 
  Type Set  Color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

або кілька умов, якщо ви хочете:

df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

Про логічні оператори Pandas та умовний вибір ви можете прочитати тут: Логічні оператори для булевої індексації в Pandas

Один вкладиш із .apply()методом такий:

df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')

Після цього dfкадр даних виглядає приблизно так:

>>> print(df)
  Type Set  color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

Якщо ви працюєте з масовими даними, найкраще запам'ятовується підхід:

# First create a dictionary of manually stored values
color_dict = {'Z':'red'}

# Second, build a dictionary of "other" values
color_dict_other = {x:'green' for x in df['Set'].unique() if x not in color_dict.keys()}

# Next, merge the two
color_dict.update(color_dict_other)

# Finally, map it to your column
df['color'] = df['Set'].map(color_dict)

Цей підхід буде найшвидшим, коли у вас буде багато повторених значень. Моє загальне правило: пам'ятати, коли: data_size> 10**4& n_distinct<data_size/4

Ex Memoize у випадку 10 000 рядків з 2500 або меншими різними значеннями.