การสร้างคอลัมน์ใหม่ตามเงื่อนไข if-elif-else

ฉันมี DataFrame df:

    A    B
a   2    2 
b   3    1
c   1    3

ฉันต้องการสร้างคอลัมน์ใหม่ตามเกณฑ์ต่อไปนี้:

ถ้าแถว A == B: 0

ถ้าแถวA > B: 1

ถ้าแถว A < B: -1

ดังนั้นตารางด้านบนควรเป็น:

    A    B    C
a   2    2    0
b   3    1    1
c   1    3   -1 

สำหรับif elseกรณีทั่วไปที่ฉันทำnp.where(df.A > df.B, 1, -1)แพนด้ามีไวยากรณ์พิเศษสำหรับการแก้ปัญหาของฉันด้วยขั้นตอนเดียวหรือไม่ (โดยไม่จำเป็นต้องสร้างคอลัมน์ใหม่ 3 คอลัมน์แล้วรวมผลลัพธ์)

ในการทำให้แนวทางบางอย่างที่วางไว้ข้างต้นเป็นทางการ:

สร้างฟังก์ชันที่ทำงานบนแถวของดาต้าเฟรมของคุณดังนี้:

def f(row):
    if row['A'] == row['B']:
        val = 0
    elif row['A'] > row['B']:
        val = 1
    else:
        val = -1
    return val

จากนั้นนำไปใช้กับดาต้าเฟรมของคุณที่ส่งผ่านในaxis=1ตัวเลือก:

In [1]: df['C'] = df.apply(f, axis=1)

In [2]: df
Out[2]:
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

แน่นอนว่านี่ไม่ใช่เวกเตอร์ดังนั้นประสิทธิภาพอาจไม่ดีเท่าเมื่อปรับขนาดเป็นจำนวนมาก ฉันคิดว่ามันน่าอ่านกว่ามาก โดยเฉพาะอย่างยิ่งที่มาจากพื้นหลัง SAS

แก้ไข

นี่คือเวอร์ชัน vectorized

df['C'] = np.where(
    df['A'] == df['B'], 0, np.where(
    df['A'] >  df['B'], 1, -1)) 

df.loc[df['A'] == df['B'], 'C'] = 0
df.loc[df['A'] > df['B'], 'C'] = 1
df.loc[df['A'] < df['B'], 'C'] = -1

แก้ไขได้ง่ายโดยใช้การจัดทำดัชนี บรรทัดแรกของโค้ดจะอ่านเช่นนั้นหากคอลัมน์Aเท่ากับคอลัมน์ให้Bสร้างและตั้งค่าคอลัมน์Cเท่ากับ 0

สำหรับความสัมพันธ์นี้คุณสามารถใช้np.sign:

>>> df["C"] = np.sign(df.A - df.B)
>>> df
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

ให้บอกว่าด้านบนคือดาต้าเฟรมเดิมของคุณและคุณต้องการเพิ่มคอลัมน์ใหม่ 'เก่า'

ถ้าอายุมากกว่า 50 เราจะถือว่าอายุมากกว่า = ใช่เป็นเท็จ

ขั้นตอนที่ 1: รับดัชนีของแถวที่มีอายุมากกว่า 50

row_indexes=df[df['age']>=50].index

ขั้นตอนที่ 2: การใช้. loc เราสามารถกำหนดค่าใหม่ให้กับคอลัมน์

df.loc[row_indexes,'elderly']="yes"

เช่นเดียวกันสำหรับอายุต่ำกว่า 50 ปี

row_indexes=df[df['age']<50].index

df[row_indexes,'elderly']="no"