添加基于其他列和行的新列

Question

我有一个大数据框。让我写一个示例数据框，让您理解我的问题。A      B      C     car    red    15car    blue   20car    grey   14bike   red    6bike   blue   8phone  red    9phone  blue   11phone  grey   10假设 C 列显示价格。我想添加一个名为“D”的列。此列将回答“读取的汽车是否比所有汽车的平均价格贵？”。以及其他 A 值的相同问题。我的问题基本上就是这样。我想看到这个：A      B      C    D    car    red    15   cheapcar    blue   20   expensivecar    grey   14   cheapbike   red    6    cheapbike   blue   8    expensivephone  red    9    cheapphone  blue   11   expensivephone  grey   10   cheap我写了太多方法来完成这个任务。最后我认为这段代码可以解决我的问题，但事实并非如此。我用 While 循环尝试了同样的事情，但我一直收到 Key Error 0。我该怎么办？这是我试过的代码：df["D"] = "cheap"A.values = df.A.unique()for b in A.values:    for i in range(len(df.loc[data.A== b])):        if df.loc[df.A== b, "C"][i] >= df.loc[df.A== b, "C"].mean():            df.loc[df.A== b, "D"][i] = "expensive"

Answer 1

检查transform，mean然后做np.where

s = df.groupby('A').C.transform('mean')

df['D'] = np.where(df.C>s, 'expensive', 'cheap')

df

Out[158]: 

       A     B   C          D

0    car   red  15      cheap

1    car  blue  20  expensive

2    car  grey  14      cheap

3   bike   red   6      cheap

4   bike  blue   8  expensive

5  phone   red   9      cheap

6  phone  blue  11  expensive

7  phone  grey  10      cheap

Answer 2

df['D']=np.where(df[['A', 'B', 'C']].groupby('A').apply(lambda x: (x['C'].mean()>=x['C'])),'cheap','expensive')

     A     B   C          D

0    car   red  15      cheap

1    car  blue  20  expensive

2    car  grey  14      cheap

3   bike   red   6  expensive

4   bike  blue   8      cheap

5  phone   red   9      cheap

6  phone  blue  11  expensive

7  phone  grey  10      cheap

怎么运行的

np.where(condition, if met answer, not met answer)

#Apply boolean select to get condition. In this statement we seek to return true if mean is greater than price

condition= df[['A', 'B', 'C']].groupby('A').apply(lambda x: (x['C'].mean()>=x['C']))

if met answer= 'cheap'

not me t answer='expensive'