У меня есть блок данных по строкам ниже:
Type Set
1 A Z
2 B Z
3 B X
4 C Y
Я хочу добавить еще один столбец в dataframe (или создать серию) той же длины, что и dataframe (= равное количество записей/строк), которое устанавливает зеленый цвет, если Set = 'Z' и 'red', если Set = в противном случае.
Какой лучший способ сделать это?
Если у вас есть только два варианта на выбор:
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
Например,
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
print(df)
доходность
Set Type color
0 Z A green
1 Z B green
2 X B red
3 Y C red
Если у вас более двух условий, используйте np.select. Например, если вы хотите, чтобы color был
yellow когда (df['Set'] == 'Z') & (df['Type'] == 'A')blue когда (df['Set'] == 'Z') & (df['Type'] == 'B')purple когда (df['Type'] == 'B')black,затем используйте
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
conditions = [
(df['Set'] == 'Z') & (df['Type'] == 'A'),
(df['Set'] == 'Z') & (df['Type'] == 'B'),
(df['Type'] == 'B')]
choices = ['yellow', 'blue', 'purple']
df['color'] = np.select(conditions, choices, default='black')
print(df)
который дает
Set Type color
0 Z A yellow
1 Z B blue
2 X B purple
3 Y C black
Понимание списка - это еще один способ условного создания другого столбца. Если вы работаете с объектами dtypes в столбцах, как и в вашем примере, то перечисления списков обычно превосходят большинство других методов.
Пояснение списка примеров:
df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
% тестов timeit:
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
%timeit df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color'] = np.where(df['Set']=='Z', 'green', 'red')
%timeit df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')
1000 loops, best of 3: 239 µs per loop
1000 loops, best of 3: 523 µs per loop
1000 loops, best of 3: 263 µs per loop
Вот еще один способ обмануть этого кота, используя словарь для отображения новых значений на клавиши в списке:
def map_values(row, values_dict):
return values_dict[row]
values_dict = {'A': 1, 'B': 2, 'C': 3, 'D': 4}
df = pd.DataFrame({'INDICATOR': ['A', 'B', 'C', 'D'], 'VALUE': [10, 9, 8, 7]})
df['NEW_VALUE'] = df['INDICATOR'].apply(map_values, args = (values_dict,))
Как это выглядит:
df
Out[2]:
INDICATOR VALUE NEW_VALUE
0 A 10 1
1 B 9 2
2 C 8 3
3 D 7 4
Этот подход может быть очень сильным, если у вас есть много операторов ifelse -type, чтобы сделать (т.е. множество уникальных значений для замены).
И, конечно же, вы всегда можете это сделать:
df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)
Но этот подход более чем в три раза медленнее, чем подход apply сверху, на моей машине.
И вы также можете сделать это, используя dict.get:
df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']]
Другой способ, которым это может быть достигнуто, -
df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')
Следующее выполняется медленнее, чем подходы, рассчитанные здесь, но мы можем вычислить дополнительный столбец на основе содержимого более чем одного столбца, и для дополнительного столбца можно вычислить более двух значений.
Простой пример с использованием только столбца "Установить":
def set_color(row):
if row["Set"] == "Z":
return "red"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C green
Пример с учетом большего количества цветов и столбцов:
def set_color(row):
if row["Set"] == "Z":
return "red"
elif row["Type"] == "C":
return "blue"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C blue
Для этого можно также использовать plydata (хотя это кажется даже медленнее, чем при использовании assign и apply).
from plydata import define, if_else
Простой if_else:
df = define(df, color=if_else('Set=="Z"', '"red"', '"green"'))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C green
Вложенный if_else:
df = define(df, color=if_else(
'Set=="Z"',
'"red"',
if_else('Type=="C"', '"green"', '"blue"')))
print(df)
Set Type color
0 Z A red
1 Z B red
2 X B blue
3 Y C green
Возможно, это стало возможным благодаря новым обновлениям Pandas, но я думаю, что следующее является самым коротким и, возможно, лучшим ответом на этот вопрос до сих пор. Вы можете использовать одно или несколько условий в зависимости от ваших потребностей.
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
df['Color'] = "red"
df.loc[(df['Set']=="Z"), 'Color'] = "green"
print(df)
# result:
Type Set Color
0 A Z green
1 B Z green
2 B X red
3 C Y red
Один вкладыш с методом .apply() следующий:
df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')
После этого фрейм данных df выглядит следующим образом:
>>> print(df)
Type Set color
0 A Z green
1 B Z green
2 B X red
3 C Y red