pandas df中的多个逻辑比较 [英] Multiple logical comparisons in pandas df

问题描述

如果我有以下熊猫df

If I have the following pandas df

A   B   C   D
1   2   3   4
2   2   3   4

并且我想根据需要添加新列为1、2或3，

and I want to add a new column to be 1, 2 or 3 depending on,

(A > B) && (B > C) = 1
(A < B) && (B < C) = 2
Else = 3

什么是最好的方法?

推荐答案

您可以使用

You can use numpy.select to structure your multiple conditions. The final parameter represents default value.

conditions = [(df.A > df.B) & (df.B > df.C),
              (df.A < df.B) & (df.B < df.C)]

values = [1, 2]

df['E'] = np.select(conditions, values, 3)

有几种选择:嵌套的 numpy.where ，顺序的 pd.DataFrame.loc ， pd.DataFrame.apply .此解决方案的主要优点是可读性，同时保持向量化.

There are several alternatives: nested numpy.where, sequential pd.DataFrame.loc, pd.DataFrame.apply. The main benefit of this solution is readability while remaining vectorised.

这篇关于 pandas df中的多个逻辑比较的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！