python - Pandas 根据其他列的条件添加具有值的列

Question

我有以下 Pandas 数据框:

import pandas as pd
import numpy as np

d = {'age' : [21, 45, 45, 5],
     'salary' : [20, 40, 10, 100]}

df = pd.DataFrame(d)

并想添加一个名为“is_rich”的额外列，根据他/她的薪水捕获一个人是否富有。我找到了多种方法来实现这一点:

# method 1
df['is_rich_method1'] = np.where(df['salary']>=50, 'yes', 'no')

# method 2
df['is_rich_method2'] = ['yes' if x >= 50 else 'no' for x in df['salary']]

# method 3
df['is_rich_method3'] = 'no'
df.loc[df['salary'] > 50,'is_rich_method3'] = 'yes'

导致:

但是我不明白首选的方式是什么。根据您的应用，所有方法都一样好吗？

Answer 1

使用 timeits，卢克!

结论
列表推导式在较小数量的数据上表现最好，因为它们产生的开销很小，即使它们没有被矢量化。 OTOH，在更大的数据上，loc 和 numpy.where 表现更好 - 矢量化赢得了胜利。

请记住，方法的适用性取决于您的数据、条件数量和列的数据类型。我的建议是在选择一个选项之前，对您的数据测试各种方法。

然而，从这里可以肯定的是，列表理解非常有竞争力——它们是用 C 语言实现的，并且针对性能进行了高度优化。

---

Benchmarking code, for reference .以下是正在计时的函数:

def numpy_where(df):
  return df.assign(is_rich=np.where(df['salary'] >= 50, 'yes', 'no'))

def list_comp(df):
  return df.assign(is_rich=['yes' if x >= 50 else 'no' for x in df['salary']])

def loc(df):
  df = df.assign(is_rich='no')
  df.loc[df['salary'] > 50, 'is_rich'] = 'yes'
  return df