Pandas условное создание столбца серии / dataframe

У меня есть датафрейм по линии ниже:

    Type       Set
1    A          Z
2    B          Z           
3    B          X
4    C          Y

Я хочу добавить еще один столбец к фрейму данных (или сгенерировать серию) той же длины, что и фрейм данных (= равное количество записей / строк), который устанавливает зеленый цвет, если Set = 'Z', и 'красный', если Set = иначе ,

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, используйтеnp.select . Например, если вы хотите colorбыть

• yellow когда (df['Set'] == 'Z') & (df['Type'] == 'A')
• в противном случае, blueкогда(df['Set'] == 'Z') & (df['Type'] == 'B')
• в противном случае, purpleкогда(df['Type'] == 'B')
• в противном случае 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)

что 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 условно создать другой столбец. Если вы работаете с dtypes объекта в столбцах, как в вашем примере, то списочная обработка обычно превосходит большинство других методов.

Пример списка понимания:

df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]

% timeit тесты:

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

Другим способом достижения этого является

df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')

Вот еще один способ обработать эту кошку, используя словарь для сопоставления новых значений с ключами 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 мощным, когда вам нужно сделать много ifelseоператоров типа (т.е. множество уникальных значений для замены).

И, конечно, вы всегда можете сделать это:

df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)

Но этот подход более чем в три раза медленнее, чем applyподход 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']]

Следующее является более медленным, 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 «Set»:

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 большим количеством цветов и большим количеством 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

Изменить (21/06/2019): Использование plydata

Также возможно использовать plydata для таких вещей (хотя это кажется даже медленнее, чем использование assignи apply).

from plydata import define, if_else

Просто 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. Вы можете использовать .locметод и использовать одно или несколько условий в зависимости от ваших потребностей.

Сводка кода:

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"

#practice!
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

Объяснение:

df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))

# df so far: 
  Type Set  
0    A   Z 
1    B   Z 
2    B   X 
3    C   Y

добавить столбец «color» и установить все значения в «red»

df['Color'] = "red"

Примените ваше единственное условие:

df.loc[(df['Set']=="Z"), 'Color'] = "green"


# df: 
  Type Set  Color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

или несколько условий, если вы хотите:

df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"

Вы можете прочитать о логических операторах Pandas и условном выборе здесь: Логические операторы для логического индексирования в Pandas

Один вкладыш с .apply()методом следующий:

df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')

После этого dfфрейм данных выглядит так:

>>> print(df)
  Type Set  color
0    A   Z  green
1    B   Z  green
2    B   X    red
3    C   Y    red

Если вы работаете с массивными данными, лучше всего использовать запомненный подход:

# First create a dictionary of manually stored values
color_dict = {'Z':'red'}

# Second, build a dictionary of "other" values
color_dict_other = {x:'green' for x in df['Set'].unique() if x not in color_dict.keys()}

# Next, merge the two
color_dict.update(color_dict_other)

# Finally, map it to your column
df['color'] = df['Set'].map(color_dict)

Этот подход будет самым быстрым, когда у вас много повторяющихся значений. Мое общее правило - помнить, когда: data_size> 10**4& n_distinct<data_size/4

Ex Memoize в случае 10000 строк с 2500 или менее различными значениями.