有条件地改变列

Question

我是一名尝试进入 Python 的 R 程序员。在 R 中，当我想有条件地改变一列时，我使用：

col = dplyr::mutate(col, ifelse(condition, if_true(x), if_false(x))

在 Python 中，如何有条件地改变列值？这是我的最小可重现示例：

def act(cntnt):
    def do_thing(cntnt):
        return(cntnt + "has it")
    def do_other_thing(cntnt):
        return(cntnt + "nope")
    has_abc = cntnt.str.contains.contains("abc")
    if has_abc == T:
        cntnt[has_abc].apply(do_thing)
    else:
        cntnt[has_abc].apply(do_other_thing)

Answer 1

您可以使用条件（及其否定）进行逻辑索引：

has_abc = cntnt.str.contains("abc")
cntnt[ has_abc].apply(do_thing)
cntnt[~has_abc].apply(do_other_thing)

Answer 2

我认为您正在寻找的是assign，它本质上相当于dplyr 中的mutate。您的条件语句可以使用列表推导式编写，或使用矢量化方法（见下文）。

以数据框为例，我们称之为df：

> df
             a
1   0.50212013
2   1.01959213
3  -1.32490344
4  -0.82133375
5   0.23010548
6  -0.64410737
7  -0.46565442
8  -0.08943858
9   0.11489957
10 -0.21628132

R / dplyr:

在R 中，您可以使用mutate 和ifelse 来根据条件创建一列（在本例中，当a 列大于0 时，它将是'pos'）：

df = dplyr::mutate(df, col = ifelse(df$a > 0, 'pos', 'neg'))

以及由此产生的df：

> df
             a col
1   0.50212013 pos
2   1.01959213 pos
3  -1.32490344 neg
4  -0.82133375 neg
5   0.23010548 pos
6  -0.64410737 neg
7  -0.46565442 neg
8  -0.08943858 neg
9   0.11489957 pos
10 -0.21628132 neg

Python / Pandas

在pandas 中，将assign 与列表理解一起使用：

df = df.assign(col = ['pos' if a > 0 else 'neg' for a in df['a']])

生成的df：

>>> df
          a  col
0  0.502120  pos
1  1.019592  pos
2 -1.324903  neg
3 -0.821334  neg
4  0.230105  pos
5 -0.644107  neg
6 -0.465654  neg
7 -0.089439  neg
8  0.114900  pos
9 -0.216281  neg

您在R 中使用的ifelse 被list comprehension 替换。

这方面的变化：

您没有有使用assign：如果需要，您可以直接在df 上创建一个新列，而无需创建副本：

df['col'] = ['pos' if a > 0 else 'neg' for a in df['a']]

此外，您可以将numpy 的向量化方法之一用于条件语句，例如np.select：

import numpy as np
df['col'] = np.select([df['a'] > 0], ['pos'], 'neg')
# or
df = df.assign(col = np.select([df['a'] > 0], ['pos'], 'neg'))