python - 在 Pandas 数据框中矢量化条件赋值

Question

如果我有一个带有 x 列的数据框 df 并且想根据 x 的值创建列 y > 在伪代码中使用这个:

if df['x'] < -2 then df['y'] = 1 
else if df['x'] > 2 then df['y'] = -1 
else df['y'] = 0

我将如何实现这一目标？我认为 np.where 是最好的方法，但不确定如何正确编码。

Answer 1

一种简单的方法是先分配默认值，然后执行 2 次 loc 调用:

In [66]:

df = pd.DataFrame({'x':[0,-3,5,-1,1]})
df
Out[66]:
   x
0  0
1 -3
2  5
3 -1
4  1

In [69]:

df['y'] = 0
df.loc[df['x'] < -2, 'y'] = 1
df.loc[df['x'] > 2, 'y'] = -1
df
Out[69]:
   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

如果你想使用 np.where 那么你可以使用嵌套的 np.where:

In [77]:

df['y'] = np.where(df['x'] < -2 , 1, np.where(df['x'] > 2, -1, 0))
df
Out[77]:
   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

所以这里我们定义第一个条件为 x 小于 -2，返回 1，然后我们有另一个 np.where 测试另一个条件 x 大于 2 并返回 - 1，否则返回0

时间

In [79]:

%timeit df['y'] = np.where(df['x'] < -2 , 1, np.where(df['x'] > 2, -1, 0))

1000 loops, best of 3: 1.79 ms per loop

In [81]:

%%timeit
df['y'] = 0
df.loc[df['x'] < -2, 'y'] = 1
df.loc[df['x'] > 2, 'y'] = -1

100 loops, best of 3: 3.27 ms per loop

所以对于这个示例数据集，np.where 方法的速度是原来的两倍