根据使用函数的列满足的条件在熊猫中创建新列答案

【问题标题】：Creating new columns in pandas based on conditions satisfied by the columns using functions根据使用函数的列满足的条件在熊猫中创建新列
【发布时间】：2017-08-14 10:16:32
【问题描述】：

我在 pandas 数据框中有几列。基于每一列，我需要创建一个新列。此功能有效：

def f(row):
    if row['col_1'] == 0:
        val = 'Neutral'
    elif row['col_1'] > 0:
        val = 'Growth'
    else:
        val = 'Contraction'
    return val

df['New_Col_1'] = df.apply(f(row) , axis=1)

但由于我有几列用于比较（col_2、col_3 等），我想将列的名称作为参数传递给函数。

def f(row,col_name):
    if row[col_name] == 0:
        val = 'Neutral'
    elif row[col_name] > 0:
        val = 'Growth'
    else:
        val = 'Contraction'
    return val

df['New_Col_1'] = df.apply(f(row,'col_1') , axis=1)

但是，有一个错误。它说参数“行”没有定义。我该如何克服这个问题？

【问题讨论】：

您缺少lambda 函数：df.apply(lambda row: f(row,'col_1') , axis=1)
这行得通。谢谢！！

标签： python python-2.7 pandas dataframe

【解决方案1】：

查看df.loc[]，它需要两个参数，您可以将它们视为行规范和列规范，因此您可以这样使用它：

df['New_Col_1'] = 'Contraction' # Default, to be overwritten below
df.loc[df['col_1'] == 0, 'New_Col_1'] = 'Neutral'
df.loc[df['col_1'] > 0, 'New_Col_1'] = 'Growth'

【讨论】：

【解决方案2】：

您可以使用 df.loc[condition, column_name] = value 过滤一个 df 并写入一个新值：

df['New_Col_1'] = None # initial
df.loc[df.col1==0, 'New_Col_1'] = 'Neutral'
df.loc[df.col1>0, 'New_Col_1'] = 'Growth'
df.loc[df.col1<0, 'New_Col_1'] = 'Contraction'

【讨论】：

【解决方案3】：

df.apply() 缺少注释中提到的 lambda 函数。

def f(row,col_name):
    if row[col_name] == 0:
        val = 'Neutral'
    elif row[col_name] > 0:
        val = 'Growth'
    else:
        val = 'Contraction'
    return val

df['New_Col_1'] = df.apply(lambda row: f(row,'col_1') , axis=1)

【讨论】：