我有一个数据框和两个字典,如下所示:
a = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
x = {'a':'a'}
y = {'b':'b'}
现在我想执行一个操作,添加一个新列 C,以便当 A >=2 且 B >= 2 时,C 中的每个单元格存储 x,否则存储 y。生成的数据框应相当于:
a = pd.DataFrame({'A':[1,2,3],'B':[4,5,6], 'C':[{'b':'b'}, {'a':'a'}, {'a':'a'}]})
我尝试了很多不同的方法,但到目前为止没有任何效果。这是一个玩具示例,而真实的数据框将具有许多行和列,并且可能会使用更复杂的条件。最终目标是通过将可视化所需的所有信息(例如标记定义)存储为附加列来准备用于可视化的数据框。
提前致谢。
最佳答案
使用np.where
a['C'] = np.where((a.A >= 2) & (a.B >= 2), x, y)
A B C
0 1 4 {'b': 'b'}
1 2 5 {'a': 'a'}
2 3 6 {'a': 'a'}
为了解释一下这一点,因为你说你的真实数据更复杂,np.where
将:
Return elements, either from x or y, depending on condition
因此,只需创建您的条件,然后根据条件的结果确定 x
和 y
需要什么。如果您有两个以上可能的选项和多个条件,那么您应该查看 np.select
为了演示,这里是等效的 np.select
:
conds = [(a.A >=2) & (a.B >=2)]
choices = [x]
np.select(conds, choices, default=y)
# array([{'b': 'b'}, {'a': 'a'}, {'a': 'a'}], dtype=object)
关于python - 根据 bool 条件在新列中设置值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51343003/