创建具有多个匹配项的新列

Question

示例 DF：我有一个 df 列，如Zone, New_Zone, Country, New_Region&CurrencyCurrency列具有像EUR, AUD, BLR, 之类的值RUBZone列的值类似于EU, Africa,NAZNew_Zone具有像EU, Europe, EUROPE, Africa, NAZ, 的值AFRICACountry具有像Australia, Brazil, Russia, Ukraine, 之类的值USANew_Region具有像Australia, Brazil, 的值USA因此，列Zone和New_Zone包含几乎相似的值New_Region和Country几乎相似的值问：我想创建一个Currency_Match具有以下条件的新列：如果 Zone 是 EU OR (logical) New_Zone 是 EU, Europe 或 EUROPE AND (logical)CurrencyEUR那么 Yes else No如果 Country 是 Australia OR（逻辑）New_Region 是 Austraila AND（逻辑）Currency 是AUDYes else No如果 Country 是巴西OR（逻辑）New_Region 是巴西AND（逻辑）货币BLR则是 Yes else No如果国家是韩国OR（逻辑）New_Region 是韩国AND（逻辑）货币KRW则是 Yes else No如果 Zone 是 Africa OR（逻辑）New_Zone 是 Africa 或 AFRICA，AND（逻辑）CurrencyNGN则是 Yes else No6 如果 Zone 是 NAZ OR（逻辑）New_Zone 是 NAZ，AND（逻辑）CurrencyUSD则是 Yes else No7 如果国家是俄罗斯，乌克兰OR（逻辑）New_Region 是俄罗斯AND（逻辑）货币RUB则是 Yes else No我总共有 7 个条件，就像上面的这些代码：  df['Currency_Match']=df.apply(lambda row: "Yes" if (((row['Zone'] == "EU")|(row['New_Zone'] =='Europe')|(row['New_Zone'] =='EU')|(row['New_Zone'] =='EUROPE')) & (row["Contract - Original Currency Code"] == "EUR"))     else 'No',axis=1)问题：上面的代码运行良好，但是当我编写这样的其他条件时，它会一次又一次地更新列。他们有没有其他方法可以做到这一点，而且比这更不麻烦

Answer 1

创建用于可读代码，链由单独的行，每行的条件|或&按位OR或AND对最终掩模和通到numpy.where：

m1 = (df['Zone'] == "EU")|(df['New_Zone'].isin(['Europe','EUROPE','EU'])

m2 = (df["Contract - Original Currency Code"] == "EUR")

m3 = (df['Region'] == "Australia")|(df['New_Region'] =='Australia')

m4 = (df["Contract - Original Currency Code"] == "AUD")

m5 = (df['Region'] == "Brazil")|(df['New_Region'] =='Brazil')

m6 = (df["Contract - Original Currency Code"] == "BLR")

mask = (m1 & m2) | (m3 & m4) | (m5 & m6)

df['Currency_Match'] = np.where(mask, "Yes", 'No')

编辑：对于动态解决方案，使用区域和区域列表按货币创建字典并传递给logical_or.reducein dict comprehension：

#zone dict

d1 = {'EUR':['Europe','EUROPE','EU'],'NGN':['Africa','AFRICA'],'USD':['NAZ']}

#region dict

d2 = {'AUD':['Australia'], 'BLR':['Brazil'],'KRW':['Korea'],'RUB':['Russia','Ukraine']}

m1 = [(df['Zone'].isin(v) | df['New_Zone'].isin(v)) & 

      (df["Contract - Original Currency Code"] == k) 

       for k, v in d1.items()]

print (m1)

m2 = [(df['Region'].isin(v) | df['New_Region'].isin(v)) & 

      (df["Contract - Original Currency Code"] == k) 

       for k, v in d2.items()]

print (m2)

mask = np.logical_or.reduce(m1) | np.logical_or.reduce(m2)

df['Currency_Match'] = np.where(mask, "Yes", 'No')