python熊貓數據框如果沒有迭代思想數據框

我想添加一列到df。這個新的df的值將取決於其他列的值。例如python熊貓數據框如果沒有迭代思想數據框

dc = {'A':[0,9,4,5],'B':[6,0,10,12],'C':[1,3,15,18]} 
df = pd.DataFrame(dc) 
    A B C 
0 0 6 1 
1 9 0 3 
2 4 10 15 
3 5 12 18

現在我想添加另一列D，其值取決於A，B，C的值。因此，例如，如果是通過DF我只想做迭代：

for row in df.iterrows(): 
    if(row['A'] != 0 and row[B] !=0): 
     row['D'] = (float(row['A'])/float(row['B']))*row['C'] 
    elif(row['C'] ==0 and row['A'] != 0 and row[B] ==0): 
     row['D'] == 250.0 
    else: 
     row['D'] == 20.0

有沒有辦法做到這一點沒有for循環或使用其中（）或適用（）函數。

感謝

來源

2014-05-05 cryp

這裏是一個開始：

df['D'] = np.nan 
df['D'].loc[df[(df.A != 0) & (df.B != 0)].index] = df.A/df.B.astype(np.float) * df.C

編輯，你應該先走一步，投整件事浮動，除非你真的在乎出於某種原因整數：

df = df.astype(np.float)

然後你不必經常保持轉換通話本身

來源

2014-05-05 21:51:03 acushner

apply應該爲你工作得好：

In [20]: def func(row): 
      if (row == 0).all(): 
       return 250.0 
      elif (row[['A', 'B']] != 0).all(): 
       return (float(row['A'])/row['B']) * row['C'] 
      else: 
       return 20 
     ....:  


In [21]: df['D'] = df.apply(func, axis=1) 

In [22]: df 
Out[22]: 
    A B C  D 
0 0 6 1 20.0 
1 9 0 3 20.0 
2 4 10 15 6.0 
3 5 12 18 7.5 

[4 rows x 4 columns]

來源

2014-05-05 21:51:11 TomAugspurger

非常感謝！也會像這樣的工作。（'[''，'B']]！= 0和行['C']！= None）.all（）：我必須檢查無條件以及 – cryp

你可能應該將這些'None'轉換爲'NaN's。你會得到更好的性能，因爲它將是一個float dtype而不是column，並且pandas操作是NaN知道的。 – TomAugspurger

哦，好的，謝謝！所以這樣的事情？ elif（row [['A'，'B']]！= 0 and row ['C']！= NaN）.all（） – cryp

.where可以比.apply快得多，所以，如果你正在做的是，如果/別人的話，我會瞄準.where。當你在某些情況下返回標量時，np.where比熊貓自己的.where更容易使用。

import pandas as pd 
import numpy as np 
df['D'] = np.where((df.A!=0) & (df.B!=0), ((df.A/df.B)*df.C), 
      np.where((df.C==0) & (df.A!=0) & (df.B==0), 250, 
      20)) 

    A B C  D 
0 0 6 1 20.0 
1 9 0 3 20.0 
2 4 10 15 6.0 
3 5 12 18 7.5

對於這樣一個微小的df，你不需要擔心速度。但是，在randn的10000行df上，這比上面的解決方案.apply快了近2000倍：3ms vs 5850ms。這就是說，如果速度不是問題，那麼應用程序通常可以更容易閱讀。

來源

2014-08-18 04:25:03 fantabolous

python熊貓數據框如果沒有迭代思想數據框

回答

相關問題