web-dev-qa-db-fra.com

Utilisation de conditionnel pour générer une nouvelle colonne dans le cadre de données pandas

J'ai un cadre de données de pandas qui ressemble à ceci: 

   portion  used
0        1   1.0
1        2   0.3
2        3   0.0
3        4   0.8

J'aimerais créer une nouvelle colonne basée sur la colonne used, de sorte que la df ressemble à ceci: 

   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial
  • Créez une nouvelle colonne alert basée sur
  • Si used est 1.0, alert devrait être Full.
  • Si used est 0.0, alert devrait être Empty.
  • Sinon, alert devrait être Partial.

Quelle est la meilleure façon de faire ça?

pythonpandasconditionalcalculated-columns
13
user3786999

Vous pouvez définir une fonction qui renvoie vos différents états "Complet", "Partiel", "Vide", etc., puis utilisez df.apply pour appliquer la fonction à chaque ligne. Notez que vous devez passer le mot clé argument axis=1 pour vous assurer qu'il applique la fonction aux lignes.

import pandas as pd

def alert(c):
  if c['used'] == 1.0:
    return 'Full'
  Elif c['used'] == 0.0:
    return 'Empty'
  Elif 0.0 < c['used'] < 1.0:
    return 'Partial'
  else:
    return 'Undefined'

df = pd.DataFrame(data={'portion':[1, 2, 3, 4], 'used':[1.0, 0.3, 0.0, 0.8]})

df['alert'] = df.apply(alert, axis=1)

#    portion  used    alert
# 0        1   1.0     Full
# 1        2   0.3  Partial
# 2        3   0.0    Empty
# 3        4   0.8  Partial
29
Ffisegydd

Sinon, vous pouvez faire:

import pandas as pd
import numpy as np
df = pd.DataFrame(data={'portion':np.arange(10000), 'used':np.random.Rand(10000)})

%%timeit
df.loc[df['used'] == 1.0, 'alert'] = 'Full'
df.loc[df['used'] == 0.0, 'alert'] = 'Empty'
df.loc[(df['used'] >0.0) & (df['used'] < 1.0), 'alert'] = 'Partial'

Ce qui donne la même sortie mais est environ 100 fois plus rapide sur 10 000 lignes:

100 loops, best of 3: 2.91 ms per loop

Puis en appliquant:

%timeit df['alert'] = df.apply(alert, axis=1)

1 loops, best of 3: 287 ms per loop

Je suppose que le choix dépend de la taille de votre base de données.

22
Primer

Utilisez np.where, est généralement rapide

In [845]: df['alert'] = np.where(df.used == 1, 'Full', 
                                 np.where(df.used == 0, 'Empty', 'Partial'))

In [846]: df
Out[846]:
   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial

Les horaires

In [848]: df.shape
Out[848]: (100000, 3)

In [849]: %timeit df['alert'] = np.where(df.used == 1, 'Full', np.where(df.used == 0, 'Empty', 'Partial'))
100 loops, best of 3: 6.17 ms per loop

In [850]: %%timeit
     ...: df.loc[df['used'] == 1.0, 'alert'] = 'Full'
     ...: df.loc[df['used'] == 0.0, 'alert'] = 'Empty'
     ...: df.loc[(df['used'] >0.0) & (df['used'] < 1.0), 'alert'] = 'Partial'
     ...:
10 loops, best of 3: 21.9 ms per loop

In [851]: %timeit df['alert'] = df.apply(alert, axis=1)
1 loop, best of 3: 2.79 s per loop
5
Zero

df ['TaxStatus'] = np.where (df.Public == 1, True, np.where (df.Public == 2, False))

Cela semblerait fonctionner, sauf pour ValueError: les deux ou aucun des x et y devraient être donnés

0
user1857373

Je ne peux pas commenter, donc en formulant une nouvelle réponse: En améliorant l'approche de Ffisegydd, vous pouvez utiliser un dictionnaire et la méthode dict.get() pour rendre la fonction à transmettre à .apply() plus facile à gérer:

import pandas as pd

def alert(c):
    mapping = {1.0: 'Full', 0.0: 'Empty'}
    return mapping.get(c['used'], 'Partial')

df = pd.DataFrame(data={'portion':[1, 2, 3, 4], 'used':[1.0, 0.3, 0.0, 0.8]})

df['alert'] = df.apply(alert, axis=1)

Selon le cas d'utilisation, vous souhaiterez peut-être également définir le dict en dehors de la définition de la fonction.

0
Spcogg the second