如何应用函数来创建虚拟变量？答案

【问题标题】：How can I apply function to create dummy variable?如何应用函数来创建虚拟变量？
【发布时间】：2018-10-10 02:52:02
【问题描述】：

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt

data={'state':[1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
      'year':[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3],
      'pop':[11, 22, 0, 33, 44, 32, 45, 66, 34, 12, 32, 0],
      'gdp':[123, 341, 554, 654, 245, 665, 332 ,321, 344, 232, 542, 221]}
frame=pd.DataFrame(data)

def treat(group):
        if group.ix[group.year==3, 'pop']!=0:  
            group['Treated']=1
        else:
            group['Treated']=0    

frame.groupby('state').apply(treat)

我正在尝试根据某些条件创建一个变量frame['Treated']。 if ('year'==3) and ('pop'!=0) - 我认为 'state' 在 Treated 组中（所以我创建了一个名为 'Treated' 的变量）。

不幸的是，我遇到了一个错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

我的代码有什么问题？你知道我该如何解决这个问题吗？

重新编辑感谢您的友好回答，很抱歉没有清楚地描述我的问题。

我正在尝试再次描述我的问题。对于状态 1 ，第 3 年的 pop 为 0 ，因此状态 1 不在处理组中（如下所示，每年状态 1 的 frame['Treated']=0 ）对于状态2，在第3年pop不等于0，所以状态2在处理组中（如下图，对于状态2，每一年frame['Treated']=1）出于类似原因处理其他状态。最终结果如下。

    state  year  pop  gdp  Treated
0       1     1   11  123        0
1       1     2   22  341        0
2       1     3    0  554        0
3       2     1   33  654        1
4       2     2   44  245        1
5       2     3   32  665        1
6       3     1   45  332        1
7       3     2   66  321        1
8       3     3   34  344        1
9       4     1   12  232        0
10      4     2   32  542        0
11      4     3    0  221        0

【问题讨论】：

标签： python python-3.x pandas apply pandas-groupby

【解决方案1】：

使用pandas.DataFrame.assign 和pandas.DataFrame.eval

frame.assign(Treated=frame.eval('pop != 0 & year == 3') * 1)

    gdp  pop  state  year  Treated
0   123   11      1     1        0
1   341   22      1     2        0
2   554    0      1     3        0
3   654   33      2     1        0
4   245   44      2     2        0
5   665   32      2     3        1
6   332   45      3     1        0
7   321   66      3     2        0
8   344   34      3     3        1
9   232   12      4     1        0
10  542   32      4     2        0
11  221    0      4     3        0

我乘以一来强制一个整数。它的代码更短，但效率不如@miradulo 的astype(int)

【讨论】：

【解决方案2】：

np.where 的替代方法是将适当的布尔掩码转换为整数类型。

frame['Treated'] = (frame.year.eq(3) & frame['pop'].ne(0)).astype(int)

您当前的代码不起作用，因为

group.ix[group.year==3, 'pop']!=0

仍然为您留下 Pandas 系列，您不能在 if 语句中安全地使用它。在任何情况下，当您可以使用布尔掩码解决问题时，像这样使用 apply 是不好的形式。

【讨论】：

【解决方案3】：

这里不需要groupby，你只需要np.where

frame['Treated']=np.where((frame.year==3)&(frame.pop!=0),1,0)
frame
Out[429]: 
    gdp  pop  state  year  Treated
0   123   11      1     1        0
1   341   22      1     2        0
2   554    0      1     3        1
3   654   33      2     1        0
4   245   44      2     2        0
5   665   32      2     3        1
6   332   45      3     1        0
7   321   66      3     2        0
8   344   34      3     3        1
9   232   12      4     1        0
10  542   32      4     2        0
11  221    0      4     3        1

【讨论】：

frame.pop 是一种方法，当然不等于0，因此总是True。索引为2 的行不应为1。你想要np.where((frame.year == 3) & (frame['pop'] != 0), 1, 0)
@piRSquared 是的，这是真的，因为 pop 是函数名，谢谢您的先生