Pandas/Python 使用字典根据多个条件创建列答案

【问题标题】：Pandas/Python create columns based on multiple conditions with a dictionaryPandas/Python 使用字典根据多个条件创建列
【发布时间】：2021-01-11 08:33:14
【问题描述】：

我正在寻找一种更短、更优雅的方式来编写以下条件，假设我有 30 种不同的组合。是否可以映射具有多个条件或其他内容的某种字典？

def set_name(df):
    if df['PRODUCT'] == 'A' and df['TYPE'] == 'C2':
        return 'AAC2'
    elif df['PRODUCT'] == 'A' and df['TYPE'] == 'C3':
        return 'AAC3'
    elif df['PRODUCT'] == 'B' and df['TYPE'] == 'C2':
        return 'BBC"'
    
df['RETURN'] = df.apply(set_name, axis=1)

如果我有很多组合，下面的另一种方法仍然很长。

conditions = [
    (df['PRODUCT'] == 'A') & (df['TYPE'] == 'C2'),
    (df['PRODUCT'] == 'A') & (df['TYPE'] == 'C3')
]

values = ['AAC2', 'AAC3']

df['RETURN'] = np.select(conditions, values)

【问题讨论】：

标签： python pandas dictionary multiple-columns

【解决方案1】：

创建助手DataFrame并使用DataFrame.merge的左连接：

products = ['A','A']
types = ['C2','C3']
values = ['AAC2', 'AAC3']

df1 = pd.DataFrame({'PRODUCT':products,
                    'TYPE':types,
                    'RETURN': values})


df = df.merge(df1, on=['PRODUCT','TYPE'], how='left')

【讨论】：

【解决方案2】：

您可以使用两级字典或以 (product,type) 元组为键的字典：

两级字典...

mapping = {
            'A': {'C2':'AAC2', 'C3':'AAC3'},
            'B': {'C2':'BBC'}
          } 
            
def set_name(df):
    product, ptype = df['PRODUCT'], df['TYPE']
    if product in mapping and ptype in mapping[product]:
        return mapping[product][ptype]
    else:
        # handle no-mapping situations
                                   

    
df['RETURN'] = df.apply(set_name, axis=1)

或者，使用元组键 ...

mapping = {
            ('A','C2'): 'AAC2',
            ('A','C3'): 'AAC3',
            ('B','C2'): 'BBC'
          } 
            
def set_name(df):
    product, ptype = df['PRODUCT'], df['TYPE']
    if (product,ptype) in mapping:
        return mapping[product,ptype]
    else:
        # handle no-mapping situations
                                
    
df['RETURN'] = df.apply(set_name, axis=1)

【讨论】：