尝试根据现有列“Temp”值创建新值 Chill
或 Frozen
。
Temp
包含如下值:
-18.00C
-20.00C
+10.00C
+19.00C
Nan
DRY
如何使用 Pandas 实现它
df = pd.DataFrame({'Temp': ['-18.00C', '+10.00c', 'NaN', 'DRY']})
如果温度
<0.0C,则将属于卡住
如果 Temp
> 0.0C,则属于 Chill
如果Temp
是“Nan”或“DRY”,它将属于NA
预期结果:
Temp_Category
Frozen
Chill
NA
NA
最佳答案
您可以提取第一个值和 Series.map
通过字典,但数字之前始终需要值 +
和 -
。
df = pd.DataFrame({'Temp': ['-18.00C', '+10.00c', 'NaN', 'DRY', '+0c', '20c']})
d = {'-':'Frozen', '+':'Chill'}
df['new1'] = df['Temp'].str[0].map(d)
另一个想法是提取数值,转换为float
并使用numpy.sign
但如果有 0
输出也是 0
,所以输出是 NaN
:
pat = r"([-+]?\d*\.\d+|\d+)"
d1 = {1:'Chill', -1:'Frozen', 0:'Chill'}
df['new2'] = np.sign(df['Temp'].str.extract(pat, expand=False).astype(float)).map(d1)
具有 2
条件和 numpy.select
的解决方案:
pat = r"([-+]?\d*\.\d+|\d+)"
s = df['Temp'].str.extract(pat).astype(float)
df['new3'] = np.select([s >= 0, s < 0], ['Chill','Frozen'], default=np.nan)
如果温度中只有最后一个值是非数字(例如 c
或 C
),则可以使用 to_numeric
通过索引删除最后一个字符:
s = pd.to_numeric(df['Temp'].str[:-1], errors='coerce')
df['new4'] = np.select([s >= 0, s < 0], ['Chill','Frozen'], default=np.nan)
print (df)
Temp new1 new2 new3 new4
0 -18.00C Frozen Frozen Frozen Frozen
1 +10.00c Chill Chill Chill Chill
2 NaN NaN NaN nan nan
3 DRY NaN NaN nan nan
4 +0c Chill Chill Chill Chill
5 20c NaN Chill Chill Chill
关于python - 基于现有列值的新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55771869/