在 pandas 数据帧中向量化条件赋值

Question

如果我有一个包含列 x 的数据框 df 并且想根据 x 的值创建列 y 在伪代码中使用：

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 是执行此操作的最佳方法，但不确定如何正确编码。

Answer 1

一个简单的方法是先分配默认值，然后执行 2 loc 次调用：

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

所以这里我们将第一个条件定义为 x 小于 -2，return 1，然后我们有另一个 np.where 测试 x 大于 2 和 returns -1，否则return 0

计时

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

Answer 2

这是 pd.cut 的一个很好的用例，您可以在其中定义范围并根据这些 ranges 您可以分配 labels:

df['y'] = pd.cut(df['x'], [-np.inf, -2, 2, np.inf], labels=[1, 0, -1], right=False)

输出

   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

Answer 3

对多个条件使用np.select

np.select(condlist, choicelist, default=0)

• Return elements in choicelist depending on the corresponding condition in condlist.
• The default element is used when all conditions evaluate to False.

condlist = [
    df['x'] < -2,
    df['x'] > 2,
]
choicelist = [
    1,
    -1,
]
df['y'] = np.select(condlist, choicelist, default=0)

np.select 比嵌套的 np.where 更易读，但同样快：

^{df = pd.DataFrame({'x': np.random.randint(-5, 5, size=n)})}