python - 有条件地改变列

Question

我是一名试图进入 Python 的 R 程序员。在 R 中，当我想有条件地改变一列时，我使用:

col = dplyr::mutate(col, ifelse(condition, if_true(x), if_false(x))

在 Python 中，如何有条件地改变列值？这是我的最小可重复示例:

def act(cntnt):
    def do_thing(cntnt):
        return(cntnt + "has it")
    def do_other_thing(cntnt):
        return(cntnt + "nope")
    has_abc = cntnt.str.contains.contains("abc")
    if has_abc == T:
        cntnt[has_abc].apply(do_thing)
    else:
        cntnt[has_abc].apply(do_other_thing)

Answer 1

我想你要找的是 assign ，它本质上是等价于 mutate 的 Pandas 在 dplyr .您的条件语句可以使用列表推导式编写，或使用矢量化方法(见下文)。

以数据帧为例，我们称之为 df :

> df
             a
1   0.50212013
2   1.01959213
3  -1.32490344
4  -0.82133375
5   0.23010548
6  -0.64410737
7  -0.46565442
8  -0.08943858
9   0.11489957
10 -0.21628132

R/ dplyr :

在 R ，您可以使用 mutate与 ifelse根据条件创建一列(在本例中，当列 a 大于 'pos' 时，它将是 0 ):

df = dplyr::mutate(df, col = ifelse(df$a > 0, 'pos', 'neg'))

以及由此产生的 df :

> df
             a col
1   0.50212013 pos
2   1.01959213 pos
3  -1.32490344 neg
4  -0.82133375 neg
5   0.23010548 pos
6  -0.64410737 neg
7  -0.46565442 neg
8  -0.08943858 neg
9   0.11489957 pos
10 -0.21628132 neg

Python/ Pandas
在 pandas , 使用 assign使用列表理解:

df = df.assign(col = ['pos' if a > 0 else 'neg' for a in df['a']])

由此产生的 df :

>>> df
          a  col
0  0.502120  pos
1  1.019592  pos
2 -1.324903  neg
3 -0.821334  neg
4  0.230105  pos
5 -0.644107  neg
6 -0.465654  neg
7 -0.089439  neg
8  0.114900  pos
9 -0.216281  neg

ifelse您在 R 中使用被 list comprehension 取代.

对此的变化:

您不必使用 assign : 您可以直接在 df 上创建一个新列如果需要，无需创建副本:

df['col'] = ['pos' if a > 0 else 'neg' for a in df['a']]

此外，您可以使用 numpy 之一，而不是列表推导式。的条件语句的向量化方法，例如， np.select :

import numpy as np
df['col'] = np.select([df['a'] > 0], ['pos'], 'neg')
# or
df = df.assign(col = np.select([df['a'] > 0], ['pos'], 'neg'))