Pandas dataframe добавить поле на основе нескольких операторов if

Я новичок в Python и Pandas, так что это может быть очевидный вопрос.

У меня есть датафрейм с возрастом, указанным в нем. Я хочу создать новое поле с возрастной полосой. Я могу использовать оператор lambda для захвата одного оператора if/else, но я хочу использовать несколько, если, например, if age < 18 then 'under 18' elif age < 40 then 'under 40' else '>40'.

Я не думаю, что могу это сделать, используя лямбда, но не уверен, как это сделать по-другому. У меня есть этот код:

import pandas as pd
import numpy as n

d = {'Age' : pd.Series([36., 42., 6., 66., 38.]) }

df = pd.DataFrame(d)

df['Age_Group'] =  df['Age'].map(lambda x: '<18' if x < 19 else '>18')

print(df)

Ответ 1

pandas DataFrame обеспечивает хорошую возможность запросов.

То, что вы пытаетесь сделать, может быть выполнено просто:

# Set a default value
df['Age_Group'] = '<40'
# Set Age_Group value for all row indexes which Age are greater than 40
df['Age_Group'][df['Age'] > 40] = '>40'
# Set Age_Group value for all row indexes which Age are greater than 18 and < 40
df['Age_Group'][(df['Age'] > 18) & (df['Age'] < 40)] = '>18'
# Set Age_Group value for all row indexes which Age are less than 18
df['Age_Group'][df['Age'] < 18] = '<18'

Запрос здесь является мощным инструментом фреймворка данных и позволит вам манипулировать DataFrame по мере необходимости.

Для более сложных условных условий вы можете указать несколько условий, инкапсулируя каждое условие в скобки и разделяя их на логический оператор (например, '&' или '|')

Вы можете увидеть это в работе здесь для второго условного оператора для установки > 18.

Edit:

Подробнее об индексировании DataFrame и условных выражений читайте:

http://pandas.pydata.org/pandas-docs/dev/indexing.html#index-objects

Edit:

Чтобы узнать, как это работает:

>>> d = {'Age' : pd.Series([36., 42., 6., 66., 38.]) }
>>> df = pd.DataFrame(d)
>>> df
   Age
0   36
1   42
2    6
3   66
4   38
>>> df['Age_Group'] = '<40'
>>> df['Age_Group'][df['Age'] > 40] = '>40'
>>> df['Age_Group'][(df['Age'] > 18) & (df['Age'] < 40)] = '>18'
>>> df['Age_Group'][df['Age'] < 18] = '<18'
>>> df
   Age Age_Group
0   36       >18
1   42       >40
2    6       <18
3   66       >40
4   38       >18

Edit:

Чтобы узнать, как это сделать без привязки [с использованием подхода EdChums].

>>> df['Age_Group'] = '<40'
>>> df.loc[df['Age'] < 40,'Age_Group'] = '<40'
>>> df.loc[(df['Age'] > 18) & (df['Age'] < 40), 'Age_Group'] = '>18'
>>> df.loc[df['Age'] < 18,'Age_Group'] = '<18'
>>> df
   Age Age_Group
0   36       >18
1   42       <40
2    6       <18
3   66       <40
4   38       >18

Ответ 2

Вы также можете выполнить вложенный np.where()

df['Age_group'] = np.where(df.Age<18, 'under 18',
                           np.where(df.Age<40,'under 40', '>40'))