如何将条件列添加到熊猫 df

Question

我想在数据框中创建一个有条件地填充值的列。基本上我的数据框是这样的

  Origin     X
0 Guatemala  x
1 China      x
2 Kenya      x
3 Venezuela  x
4 Bangladesh x

我现在要做的是创建一个附加列“大陆”，它添加了依赖于国家/地区的大陆。我的结果如下所示：

 Origin      X  Continent
0 Guatemala  x  South america
1 China      x  Asia
2 Kenya      x  Africa
3 Venezuela  x  South america
4 Bangladesh x  Asia

我已经尝试了以下代码来接受我想要的：

def GetContinents(x):
    if x['Origin']== 'Thailand' or 'Indonesia' or 'China' or 'Japan' or 'Bangladesh':
        return 'Asia'
    elif x['Origin']== 'Boliva' or 'Guatemala' or 'Venezuela' or 'Mexico' or 'Argentinia':
        return 'South America'
    elif x['Origin']== 'Guinea Bissau' or 'Egypt' or 'Zaire' or 'Kenya':
        return 'Africa'
    else:
        return 'unknown'

df['Continent']= df.apply(GetContinents, axis=1)

这个神秘地用“亚洲”填充了“大陆”的所有列。

df['Continent'] = np.where(df['Origin'] == 'Bangladesh', 'Asia', 'unknown')

这个工作正常，它将“亚洲”填充到正确的列中，而将未知填充到所有其他列中，但是当我尝试制作类似 df['Continent'] = np.where(df['Origin'] == 'Bangladesh' or 'China', 'Asia', 'unknown') 的内容时，我得到了一个错误。

所以基本上我的问题是：我怎样才能用不同的值来满足我的 if 条件？

Answer 1

您可以为每个大陆和apply 一个函数构建列表：

In [35]:
asia = ['Thailand','Indonesia','China','Japan','Bangladesh']
south_america = ['Boliva' , 'Guatemala' , 'Venezuela' , 'Mexico' , 'Argentinia']
africa = [ 'Guinea Bissau' , 'Egypt' , 'Zaire' , 'Kenya']
def find_continent(x):
    if x in asia:
        return 'Asia'
    elif x in south_america:
        return 'South America'
    elif x in africa:
        return 'Africa'
    else:
        return 'Unknown'
df['Continent'] = df['Origin'].apply(find_continent)
df

Out[35]:
       Origin  X      Continent
0   Guatemala  x  South America
1       China  x           Asia
2       Kenya  x         Africa
3   Venezuela  x  South America
4  Bangladesh  x           Asia

或者，如果您的 df 更大，那么您可以使用 isin 进行连续调用并使用 loc 屏蔽行：

In [38]:
df.loc[df['Origin'].isin(asia),'Continent'] = 'Asia'
df.loc[df['Origin'].isin(south_america),'Continent'] = 'South America'
df.loc[df['Origin'].isin(africa),'Continent'] = 'Africa'
df['Continent'] = df['Continent'].fillna('Unknown')
df

Out[38]:
       Origin  X      Continent
0   Guatemala  x  South America
1       China  x           Asia
2       Kenya  x         Africa
3   Venezuela  x  South America
4  Bangladesh  x           Asia

为什么你的尝试没有成功：

if x['Origin']== 'Thailand' or 'Indonesia' or 'China' or 'Japan' or 'Bangladesh'

这将返回 True，因为 or 'Indonesia' 始终为 True，因此所有行都设置为亚洲。

你应该把它改成这样：

if x['Origin'] in ('Thailand' , 'Indonesia' , 'China' , 'Japan' , 'Bangladesh'):

查看相关：How do I test one variable against multiple values?

使用np.where 会很好，但您不会屏蔽行，因此您会不断覆盖行，因此只有最后一个操作仍然存在。