python - 通过查找基于 if-else 条件创建新的 pandas 数据框列

Question

我有一个 pandas 数据框，我需要根据 if-else 条件创建一个新列。这个问题已经在这里多次出现(例如 Creating a new column based on if-elif-else condition )。

但是，我无法应用建议的解决方案，因为我还需要查找列表中的值以检查条件。我无法使用建议的解决方案执行此操作，因为我不确定如何在外部函数中访问我的查找列表。我的查找列表需要是全局的，我想避免这种情况。我感觉应该有更好的方法来做到这一点。

考虑以下数据帧df:

letters
A
B
C
D
E
F

我还有一个包含查找值的列表:

lookup = [C,D]

现在，我想在我的数据框中创建一个新列，如果相应的值包含在 lookup 中，则该列包含 1 ；如果 lookup 中包含该值，则该列包含 0这些值不在查找中。

典型的方法是:

df.apply(helper, axis=1)

def helper(row):
  if(row['letters'].isin(lookup)):
     row['result'] = 1
  else:
     row['result'] = 0

但是，我不知道如何在 helper() 中访问 lookup 而不将其设为全局。

结果应如下所示:

letters    result
A          0
B          0
C          1
D          1
E          0
F          0

Answer 1

虽然这个问题与问题非常相似:How to use pandas apply function on all columns of some rows of data frame

我认为这里值得展示几个方法，在一行中使用 np.where 以及从 isin 生成的 bool 掩码，isin 将返回一个 bool 系列，其中任何行都包含列表中的任何匹配项:

In [71]:
lookup = ['C','D']
df['result'] = np.where(df['letters'].isin(lookup), 1, 0)
df

Out[71]:
  letters  result
0       A       0
1       B       0
2       C       1
3       D       1
4       E       0
5       F       0

此处使用 2 个 loc 语句并使用 ~ 反转掩码:

In [72]:
df.loc[df['letters'].isin(lookup),'result'] = 1
df.loc[~df['letters'].isin(lookup),'result'] = 0
df

Out[72]:
  letters  result
0       A       0
1       B       0
2       C       1
3       D       1
4       E       0
5       F       0