我希望能够获取我当前的数据集,其中填充了整数,并根据特定标准对它们进行分类。该表看起来像这样:
[in]> df = pd.DataFrame({'A':[0,2,3,2,0,0],'B': [1,0,2,0,0,0],'C': [0,0,1,0,1,0]})
[out]>
A B C
0 0 1 0
1 2 0 0
2 3 2 1
3 2 0 0
4 0 0 1
5 0 0 0
我想按字符串将它们分类在单独的列中。由于更加熟悉 R,我尝试使用该列定义中的规则创建一个新列。之后我尝试使用 .ix 和 lambdas,它们都导致类型错误(在 ints 和 series 之间)。我的印象是这是一个相当简单的问题。尽管以下是完全错误的,但这是尝试 1 的逻辑:
df['D']=(
if ((df['A'] > 0) & (df['B'] == 0) & df['C']==0):
return "c1";
elif ((df['A'] == 0) & ((df['B'] > 0) | df['C'] >0)):
return "c2";
else:
return "c3";)
最终结果为:
A B C D
0 0 1 0 "c2"
1 2 0 0 "c1"
2 3 2 1 "c3"
3 2 0 0 "c1"
4 0 0 1 "c2"
5 0 0 0 "c3"
如果有人能帮我解决这个问题,我将不胜感激。
最佳答案
我可以想到两种方法。首先是编写一个分类器函数,然后按行.apply
它:
>>> import pandas as pd
>>> df = pd.DataFrame({'A':[0,2,3,2,0,0],'B': [1,0,2,0,0,0],'C': [0,0,1,0,1,0]})
>>>
>>> def classifier(row):
... if row["A"] > 0 and row["B"] == 0 and row["C"] == 0:
... return "c1"
... elif row["A"] == 0 and (row["B"] > 0 or row["C"] > 0):
... return "c2"
... else:
... return "c3"
...
>>> df["D"] = df.apply(classifier, axis=1)
>>> df
A B C D
0 0 1 0 c2
1 2 0 0 c1
2 3 2 1 c3
3 2 0 0 c1
4 0 0 1 c2
5 0 0 0 c3
第二个是使用高级索引:
>>> df = pd.DataFrame({'A':[0,2,3,2,0,0],'B': [1,0,2,0,0,0],'C': [0,0,1,0,1,0]})
>>> df["D"] = "c3"
>>> df["D"][(df["A"] > 0) & (df["B"] == 0) & (df["C"] == 0)] = "c1"
>>> df["D"][(df["A"] == 0) & ((df["B"] > 0) | (df["C"] > 0))] = "c2"
>>> df
A B C D
0 0 1 0 c2
1 2 0 0 c1
2 3 2 1 c3
3 2 0 0 c1
4 0 0 1 c2
5 0 0 0 c3
哪个更清楚,要视情况而定。通常逻辑越复杂,我就越有可能将其包装在一个函数中,然后我可以记录和测试。
关于python - 将系列分类到 Pandas 的新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15281320/