从 R 到 Python 的 case_when 函数答案

【问题标题】：case_when function from R to Python从 R 到 Python 的 case_when 函数
【发布时间】：2019-07-06 07:02:03
【问题描述】：

如何在 python 代码中实现 R 的 case_when 函数？

这里是 R 的 case_when 函数：

https://www.rdocumentation.org/packages/dplyr/versions/0.7.8/topics/case_when

作为一个最低限度的工作示例，假设我们有以下数据框（python 代码如下）：

import pandas as pd
import numpy as np

data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'], 
        'age': [42, 52, 36, 24, 73], 
        'preTestScore': [4, 24, 31, 2, 3],
        'postTestScore': [25, 94, 57, 62, 70]}
df = pd.DataFrame(data, columns = ['name', 'age', 'preTestScore', 'postTestScore'])
df

假设我们想要创建一个名为“elderly”的新列，它查看“age”列并执行以下操作：

if age < 10 then baby
 if age >= 10 and age < 20 then kid 
if age >=20 and age < 30 then young 
if age >= 30 and age < 50 then mature 
if age >= 50 then grandpa

有人可以帮忙吗？

【问题讨论】：

标签： python pandas dataframe data-analysis

【解决方案1】：

你想使用np.select:

conditions = [
    (df["age"].lt(10)),
    (df["age"].ge(10) & df["age"].lt(20)),
    (df["age"].ge(20) & df["age"].lt(30)),
    (df["age"].ge(30) & df["age"].lt(50)),
    (df["age"].ge(50)),
]
choices = ["baby", "kid", "young", "mature", "grandpa"]

df["elderly"] = np.select(conditions, choices)

# Results in:
#      name  age  preTestScore  postTestScore  elderly
#  0  Jason   42             4             25   mature
#  1  Molly   52            24             94  grandpa
#  2   Tina   36            31             57   mature
#  3   Jake   24             2             62    young
#  4    Amy   73             3             70  grandpa

conditions 和 choices 列表的长度必须相同。
还有一个default 参数，当所有conditions 评估为False 时使用。

【讨论】：

谢谢，如果在条件下想要字符串而不是数值怎么办。例如，如果 age == "fourty" 那么 'marure'。 `' 如何修改你的代码？
然后我会使用df[“age”].eq(“fourty”)，因为这允许我们继续使用按位的&。
如何修改代码以将所有其他情况置于一种条件下？例如，“大于 50”条件本质上是多余的。因此，拥有最后一个条件可能是更好的做法：“除了爷爷之外的其他任何东西”。
np.select 上有一个default 参数，当所有条件评估为False 时使用此参数：np.select(conditions, choices, default='Grandpa')。然后，您可以从 conditions 和 choices 列表中删除最后一个元素。

【解决方案2】：

np.select 很棒，因为它是一种根据条件为选择列表中的元素赋值的通用方法。

但是，对于 OP 试图解决的特定问题，有一种简洁的方法可以实现与 pandas 的 cut method 相同的效果。


bin_cond = [-np.inf, 10, 20, 30, 50, np.inf]            # think of them as bin edges
bin_lab = ["baby", "kid", "young", "mature", "grandpa"] # the length needs to be len(bin_cond) - 1
df["elderly2"] = pd.cut(df["age"], bins=bin_cond, labels=bin_lab)

#     name  age  preTestScore  postTestScore  elderly elderly2
# 0  Jason   42             4             25   mature   mature
# 1  Molly   52            24             94  grandpa  grandpa
# 2   Tina   36            31             57   mature   mature
# 3   Jake   24             2             62    young    young
# 4    Amy   73             3             70  grandpa  grandpa

【讨论】：

【解决方案3】：

pyjanitor 在dev 中有一个case_when 实现，在这种情况下可能会有所帮助，实现思想的灵感来自pydatatable 中的if_else 和R 的data.table 中的fcase；在引擎盖下，它使用pd.Series.mask:

# pip install git+https://github.com/pyjanitor-devs/pyjanitor.git
import pandas as pd
import janitor as jn

df.case_when(
df.age.lt(10), 'baby', # 1st condition, result
df.age.between(10, 20, 'left'), 'kid', # 2nd condition, result
df.age.between(20, 30, 'left'), 'young', # 3rd condition, result
 df.age.between(30, 50, 'left'), 'mature', # 4th condition, result
'grandpa',  # default if none of the conditions match
 column_name = 'elderly') # column name to assign to
 
    name  age  preTestScore  postTestScore  elderly
0  Jason   42             4             25   mature
1  Molly   52            24             94  grandpa
2   Tina   36            31             57   mature
3   Jake   24             2             62    young
4    Amy   73             3             70  grandpa

Alby's 解决方案对于这个用例来说比 if/else 结构更有效。

【讨论】：