使用 Lambda 的 Panda Dataframes 条件语句

Question

我陷入了一个简单的问题。我正在尝试在 Panda 数据框中建立一个列，它只会拉起男性 (0) 的年龄，但由于某种原因，我无法遍历数据框（它只会重复第一个结果，即 22）。

这是我的代码：

new_tab['menage'] = new_tab.Gender.apply(
        lambda x: new_tab.iloc[:,1] if x==0 
        else 0)

    Original Age    Gender  menage
0   22.0    0   22.0
1   38.0    1   0.0
2   26.0    1   0.0
3   35.0    1   0.0
4   35.0    0   22.0

我特别想为 lambda 做这件事，同时认识到还有其他可用的替代方案。

我确信这确实很简单，但目前对编码不熟悉。

任何帮助都会很棒。

谢谢

Answer 1

您当前的操作不起作用，因为new_tab.iloc[:,1] 的整体被应用每次lambda 被调用（而不是像您期望的那样以迭代方式）。但是，除了apply，还有更快的选择。

选项 1
mask

v = df['Original Age'].mask(df['Gender'].astype(bool)).fillna(0)
v

0    22.0
1     0.0
2     0.0
3     0.0
4    35.0
Name: Original Age, dtype: float64

df['menage'] = v

---

选项 2
np.where

np.where(df['Gender'], 0, df['Original Age'])

0    22.0
1     0.0
2     0.0
3     0.0
4    35.0
Name: Original Age, dtype: float64

---

选项 3
apply 的循环解决方案将涉及在整个 df 上调用 apply，因为您需要在 lambda 中访问多个列。

df.apply(lambda r: r['Original Age'] if r['Gender'] == 0 else 0, axis=1)

0    22.0
1     0.0
2     0.0
3     0.0
4    35.0
dtype: float64

Answer 2

另一种选择是使用assign 并让pandas 对齐索引上的数据，其中使用query 或boolean indexing 过滤数据框：

df.assign(menage = df.query('Gender == 0')['Original Age']).fillna(0)

或

df.assign(menange = df.loc[df['Gender'] == 0, 'Original Age']).fillna(0)

输出：

   Original Age  Gender  menage
0          22.0       0    22.0
1          38.0       1     0.0
2          26.0       1     0.0
3          35.0       1     0.0
4          35.0       0    35.0