基于条件的新列值

Question

我有一个这样的数据集。df = pd.DataFrame({"A" :[1,1,3,4], "B": [1,3,2,2]})我想创建一个新列，如果 A = 1 & B =(1,3) 我使用，.loc则类型为 1 的 C ，我的代码是df.loc[(df['A'] == 1)&(df['B'] == 1), 'C'] = 'type 1'df.loc[(df['A'] == 1)&(df['B'] == 3), 'C'] = 'type 1'上面的方法有效，但是当我使用时df.loc[(df['A'] == 1)&(df['B'] == (1,3)), 'C'] = 'type 1'什么也没有发生，它没有显示错误，列也没有更新。预期输出是A   B   C1   1   type 11   3   type 13   2   Nan4   2   Nan还有其他办法吗？提前致谢

Answer 1

使用numpy.where：

In [1517]: import numpy as np

In [1518]: df['C'] = np.where(df.A.eq(1) & df.B.isin([1,3]), 'type 1', np.nan)

In [1519]: df

Out[1519]: 

   A  B       C

0  1  1  type 1

1  1  3  type 1

2  3  2     nan

3  4  2     nan

Answer 2

其他方法可能是尝试使用.eval类似于此处的答案：

df.loc[df.eval('A ==1 and B in [1,3]'), 'C']= 'type 1'

如果您想修复现有的代码，您可以尝试用以下命令分隔|：

df.loc[(df['A'] == 1)&((df['B'] ==1) | (df['B'] ==3)), 'C'] = 'type 1'

Answer 3

这是一个可能的解决方案，除了 pandas 之外不使用任何库：

df['C'] = pd.Series(index=range(len(df)), dtype='float')
df['C'][df['A'] == 1 & df['B'].isin((1, 3))] = 'type 1'