我需要根据 Pandas 数据框中另一列的值设置一列的值。这是逻辑：
if df['c1'] == 'Value':
df['c2'] = 10
else:
df['c2'] = df['c3']
我无法让它做我想做的事，即简单地创建一个具有新值的列（或更改现有列的值：任何一个都适合我）。
如果我尝试运行上面的代码，或者如果我将其编写为函数并使用 apply 方法，我会得到以下结果：
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
【问题讨论】：
标签： python pandas conditional
一种方法是使用.loc 的索引。
示例
在没有示例数据框的情况下，我将在这里制作一个：
import numpy as np
import pandas as pd
df = pd.DataFrame({'c1': list('abcdefg')})
df.loc[5, 'c1'] = 'Value'
>>> df
c1
0 a
1 b
2 c
3 d
4 e
5 Value
6 g
假设您想创建一个新列c2，相当于c1，除非c1 是Value，在这种情况下，您想将其分配给10：
首先，您可以创建一个新列 c2，并将其设置为与 c1 等效，使用以下两行之一（它们基本上做同样的事情）：
df = df.assign(c2 = df['c1'])
# OR:
df['c2'] = df['c1']
然后，使用.loc 找到c1 等于'Value' 的所有索引，并在这些索引处在c2 中分配您想要的值：
df.loc[df['c1'] == 'Value', 'c2'] = 10
你最终会得到这个：
>>> df
c1 c2
0 a a
1 b b
2 c c
3 d d
4 e e
5 Value 10
6 g g
如果正如您在问题中所建议的那样，您有时可能只想替换您已有的列中的值，而不是创建新列，然后跳过列创建，并执行以下操作：
df['c1'].loc[df['c1'] == 'Value'] = 10
# or:
df.loc[df['c1'] == 'Value', 'c1'] = 10
给你：
>>> df
c1
0 a
1 b
2 c
3 d
4 e
5 10
6 g
【讨论】：
df.loc[df['c1'] == 'Value', 'c1'] = 10 之类的语句赋值时，我得到了可怕的SettingWithCopyWarning——即使我使用.loc[] 语法。到目前为止，这对我来说还不是问题，但我发现我收到警告很奇怪，尽管使用了建议的 .loc[] 方法。有什么解决办法吗？这适用于 pandas 1.2.3、numpy 1.18.5 和 python 3.7.10。
df['c1'].loc[df['c1'] > 1000] = df['c1'].loc[df['c1'] > 1000]/1000 我得到了 SettingWithCopyWarning。但是，使用第二个选项 df['c1'].loc[df['c1'] > 1000, 'c1'] 我没有收到该警告。
您可以使用np.where()根据指定条件设置值：
#df
c1 c2 c3
0 4 2 1
1 8 7 9
2 1 5 8
3 3 3 5
4 3 6 8
现在根据您的情况更改['c2'] 列中的值（或设置）。
df['c2'] = np.where(df.c1 == 8,'X', df.c3)
c1 c2 c3
0 4 1 1
1 8 X 9
2 1 8 8
3 3 5 5
4 3 8 8
【讨论】：
df['newColName'] = ...，您使用列名，而不是在数据框中创建新列，假设newColName 尚不存在
c2 指的是输出表中的c4？你最好改正其中一个。
尝试：
df['c2'] = df['c1'].apply(lambda x: 10 if x == 'Value' else x)
【讨论】：
df.apply(lambda x: 10 if x['c1'] == 'Value' else x['c3'],axis=1)
注意反转选择的波浪号。它使用 pandas 方法（即比 if/else 更快）。
df.loc[(df['c1'] == 'Value'), 'c2'] = 10
df.loc[~(df['c1'] == 'Value'), 'c2'] = df['c3']
【讨论】：
我建议分两步进行：
# set fixed value to 'c2' where the condition is met
df.loc[df['c1'] == 'Value', 'c2'] = 10
# copy value from 'c3' to 'c2' where the condition is NOT met
df.loc[df['c1'] != 'Value', 'c2'] = df[df['c1'] != 'Value', 'c3']
【讨论】：
您可以使用pandas.DataFrame.mask 添加几乎任意数量的条件：
data = {'a': [1,2,3,4,5], 'b': [6,8,9,10,11]}
d = pd.DataFrame.from_dict(data, orient='columns')
c = {'c1': (2, 'Value1'), 'c2': (3, 'Value2'), 'c3': (5, d['b'])}
d['new'] = np.nan
for value in c.values():
d['new'].mask(d['a'] == value[0], value[1], inplace=True)
d['new'] = d['new'].fillna('Else')
d
输出：
a b new
0 1 6 Else
1 2 8 Value1
2 3 9 Value2
3 4 10 Else
4 5 11 11
【讨论】：
我相信Series.map() 非常易读和高效，例如：
df["c2"] = df["c1"].map(lambda x: 10 if x == 'Value' else x)
我喜欢它，因为如果条件逻辑变得更复杂，您可以将其移动到一个函数中，然后传入该函数而不是 lambda。
如果您需要将条件逻辑基于多个列，您可以按照其他人的建议使用 DataFrame.apply()。
【讨论】：
如果您有中小型数据框，请尝试 df.apply()，
df['c2'] = df.apply(lambda x: 10 if x['c1'] == 'Value' else x['c1'], axis = 1)
否则，如果您有大数据框，请遵循上述 cmets 中提到的切片技术。
【讨论】：
我有一个大数据集，而 .loc[] 花费的时间太长，所以我找到了一种矢量化的方法来完成它。回想一下，您可以将列设置为逻辑运算符，这样就可以了：
file['Flag'] = (file['Claim_Amount'] > 0)
这给出了一个我想要的布尔值，但是你可以将它乘以 1 来生成一个整数。
【讨论】：