两个数字之间的列上的熊猫动作

Question

目前使用熊猫和麻痹症。我有一个名为“df”的数据帧。假设我有下面的数据，我该如何根据 between 子句给第三列一个值？如果可能的话，我想把它当作一种矢量化的方法，以保持我已经拥有的速度。我尝试过lambda函数，但坦率地说，我不明白我在做什么，我遇到了错误，例如对象没有属性“之间”。一般方法 - 使用非矢量化方法：NOTE: I am looking for a way to make this vectorised.If df.['Col2'] is between 0 and 10   df.['Col 3'] = 1Elseif df.['Col2'] is between 10.01 and 20   df.['Col3']  = 2Else if df.['Col2'] is between 20.1 and 30   df.['Col3']  = 3样品集+------+------+------+| Col1 | Col2 | Col3 |+------+------+------+| a    |    5 |    1 || b    |   10 |    1 || c    |   15 |    2 || d    |   20 |    2 || e    |   25 |    3 || f    |   30 |    3 || g    |    1 |    1 || h    |   11 |    2 || i    |   21 |    3 || j    |    7 |    1 |+------+------+------+非常感谢

Answer 1

重用当前代码的解决方案：

def cust_func(row):

    r = row['Col2']

    if  r >=0 AND r<=10:

        val = 1

    elif r >=10.01 AND r<=20:

        val = 2

    elseif r>=20.01 AND r<=30:

        val = 3

    return val

df['Col3'] = df.apply(cust_func, axis=1)

最佳解决方案：

cut_labels = [1, 2, 3]

cut_bins = [0, 10, 20,30]

df['Col3'] = pd.cut(df['Col2'], bins=cut_bins, labels=cut_labels)

Answer 2

有几种方法：麻木选择和麻木。我更喜欢后者，因为我不必列出条件 - 只要您的数据排序，它就适用于二分法算法;是的，我认为这是一群中最快的。

如果您运行一些计时并共享结果，那将很酷：

  Col1  Col2

0   a   5

1   b   10

2   c   15

3   d   20

4   e   25

5   f   30

6   g   1

7   h   11

8   i   21

9   j   7

   #step 1: create your 'conditions'

#sort dataframe on Col2

df = df.sort_values('Col2')

#benchmarks are ur ranges within which you set your scores/grade

benchmarks = np.array([10,20,30])

#the grades to be assigned for Col2

score = np.array([1,2,3])

#and use search sorted

#it will generate the indices for where the values should be

#e.g if you have [1,4,5] then the position of 3 will be 1, since it is between 1 and 4

#and python has a zero based index notation

indices = np.searchsorted(benchmarks,df.Col2)

#create ur new column by indexing the score array with the indices

df['Col3'] = score[indices]

df = df.sort_index()

df

    Col1    Col2  Col3

0    a       5      1

1    b       10     1

2    c       15     2

3    d       20     2

4    e       25     3

5    f       30     3

6    g       1      1

7    h       11     2

8    i       21     3

9    j       7      1

Answer 3

你可以用 np.select（） 漂亮而干净地做到这一点。我添加了一些<=，因为我猜你想更新所有值。但是，如果需要，它很容易编辑。

conditions = [(df['Col2'] > 0) & (df['Col2'] <= 10),

               (df['Col2'] > 10) & (df['Col2'] <= 20),

               (df['Col2'] > 20) & (df['Col2'] <= 30) ]

updates = [1, 2, 3]

df["Col3"] = np.select(conditions, updates, default=999)

使用原始范围将导致这种情况，其中值 == 10， 20， 30 从 np.select（） 获取值 999。

conditions = [(df['Col2'] > 0) & (df['Col2'] < 10),

               (df['Col2'] > 10.01) & (df['Col2'] < 20),

               (df['Col2'] > 20.1) & (df['Col2'] < 30) ]

updates = [1, 2, 3]

df["Col3"] = np.select(conditions, updates, default=999)

print(df)

    Col1    Col2    Col3

0   a   5   1

1   b   10  999

2   c   15  2

3   d   20  999

4   e   25  3

5   f   30  999

6   g   1   1

7   h   11  2

8   i   21  3

9   j   7   1