登录
首页大数据时代Pandas新增一列并按条件赋值?
Pandas新增一列并按条件赋值?
2023-03-15
收藏

Pandas是一个功能强大的Python库,用于数据处理和分析。其中之一的常见操作是在DataFrame中添加新的列,并根据某些条件对其进行赋值。在本篇文章中,我们将详细介绍如何使用Pandas新增一列并按条件赋值。

首先,让我们创建一个示例DataFrame

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'Gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data)
print(df)

输出结果:

       Name  Age Gender
0     Alice   25      F
1       Bob   30      M
2   Charlie   35      M
3     David   40      M

我们将向该DataFrame添加一个“Status”列,该列基于以下规则进行赋值:

  • 如果年龄小于30岁,则状态为“Young”。
  • 如果年龄在30到40岁之间,则状态为“Middle”。
  • 如果年龄大于等于40岁,则状态为“Old”。

让我们使用Pandas实现这个需求。

方法1:使用apply方法

我们可以使用Pandas的apply()方法将自定义函数应用于DataFrame中的每一行。接下来,我们将编写一个名为get_status()的函数,该函数接受年龄作为输入,并返回相应的状态。然后,我们将调用apply()方法,以将get_status()函数应用于DataFrame中的每一行。

def get_status(age):
    if age < 30:
        return 'Young'
    elif age >= 30 and age <= 40:
        return 'Middle'
    else:
        return 'Old'

# 使用apply方法新增一列并按条件赋值
df['Status'] = df['Age'].apply(get_status)
print(df)

输出结果:

       Name  Age Gender  Status
0     Alice   25      F   Young
1       Bob   30      M  Middle
2   Charlie   35      M  Middle
3     David   40      M     Old

因此,我们已经成功地向DataFrame中添加了一个新列,并根据给定的条件对其进行赋值。

方法2:使用numpy.where方法

除了使用apply()方法外,我们还可以使用NumPy库中的where()函数将条件应用于整个DataFrame,并为满足该条件的行分配值。

import numpy as np

# 使用np.where方法新增一列并按条件赋值
df['Status'] = np.where(df['Age'] < 30, 'Young', 
                        np.where(df['Age'] <= 40, 'Middle', 'Old'))
print(df)

输出结果与上面相同。这种方法可以更快速地计算,特别是在对大型数据集进行操作时。

总结

本文介绍了两种在Pandas中新增一列并按条件赋值的方法。第一种方法是使用apply()方法,它非常直观且易于理解。第二种方法使用NumPy的where()函数,可以更快速地计算,但可能需要一些时间来适应语法。无论您选择哪种方法,都可以根据需要轻松地为Pandas DataFrame添加新列并根据指定条件对其进行赋值。

数据分析咨询请扫描二维码

客服在线
立即咨询