python - pandas 比应用 lambda 更快的方式在每一行应用逻辑？

Question

我有一个 df:

dfs = """
    contract Valindex0  RB  Valindex1
2   A00118  51  0   50
3   A00118  42  1   47
4   A00118  44  1   47

"""
df = pd.read_csv(StringIO(dfs.strip()), sep='\s+')

df:

  contract  Valindex0  RB  Valindex1
2   A00118         51   0         50
3   A00118         42   1         47
4   A00118         44   1         47

我想为每一行 df['Valindex'] 添加一个新列，
此列值是

 df['Valindex0']

或者

 df['Valindex1']

这取决于 df['RB']:

if df['RB']==0:
   df['Valindex'] = df['Valindex0']
elif df['RB']==1:
  df['Valindex'] = df['Valindex1']  

现在我正在使用 apply lambda，但它很慢:

df['Valindex'] = df.apply(
    lambda df: df["Valindex" + str(df["RB"])], axis=1)

输出应如下所示:

    contract    Valindex0   RB  Valindex1   Valindex
2   A00118            51    0   50          51
3   A00118            42    1   47          47
4   A00118            44    1   47          47

有什么更快的方法吗？

Answer 1

使用 np.where() :

df["Valindex"] = np.where(df["RB"].eq(0), df["Valindex0"], df["Valindex1"])

或者
使用 np.select() 对于多种情况和条件:

conditions = [df["RB"].eq(0), df["RB"].eq(1)]
labels = [df["Valindex0"], df["Valindex1"]]
df["Valindex"] = np.select(conditions, labels)

df 的输出:

    contract    Valindex0   RB  Valindex1   Valindex
2   A00118      51          0   50          51
3   A00118      42          1   47          47
4   A00118      44          1   47          47