Python：根据if语句条件填充新的df列答案

【问题标题】：Python: Populate new df column based on if statement conditionPython：根据if语句条件填充新的df列
【发布时间】：2019-08-30 09:12:41
【问题描述】：

我正在尝试一些新的东西。我想根据影响另一列值的某些条件填充一个新的 df 列。

我有一个包含两列（ID、零售商）的数据框。我想根据 ID 列中的 id 填充零售商列。我知道如何在 SQL 中使用 CASE 语句来执行此操作，但是如何在 python 中进行呢？

我看过这个例子，但它并不是我想要的。

Python : populate a new column with an if/else statement

import pandas as pd

data = {'ID':['112','5898','32','9985','23','577','17','200','156']}

df = pd.DataFrame(data)

df['Retailer']=''

if df['ID'] in (112,32):
    df['Retailer']='Webmania'
elif df['ID'] in (5898):
    df['Retailer']='DataHub'
elif df['ID'] in (9985):
    df['Retailer']='TorrentJunkie'
elif df['ID'] in (23):
    df['Retailer']='Apptronix'
else: df['Retailer']='Other'


print(df)

我期望看到的输出是这样的：

     ID Retailer
0   112 Webmania
1  5898 DataHub
2    32 Webmania
3  9985 TorrentJunkie
4    23 Apptronix
5   577 Other
6    17 Other
7   200 Other
8   156 Other

【问题讨论】：

一般要注意 '112'（文本字符串）与 112（数字）不同，因此在检查两个值是否相等时，如果混合类型，将无法匹配.
感谢@MrFelix 的提示。会记住这一点。

标签： python python-3.x pandas if-statement

【解决方案1】：

使用numpy.select 并测试多个值使用Series.isin，如果需要测试字符串，如样本数据将数字更改为数字，如@987654325@ 至'112'：

m1 = df['ID'].isin(['112','32'])
m2 =  df['ID'] == '5898'
m3 =  df['ID'] == '9985'
m4 =  df['ID'] == '23'
vals = ['Webmania', 'DataHub', 'TorrentJunkie', 'Apptronix']
masks = [m1, m2, m3, m4]

df['Retailer'] = np.select(masks, vals, default='Other')
print(df)

     ID       Retailer
0   112       Webmania
1  5898        DataHub
2    32       Webmania
3  9985  TorrentJunkie
4    23      Apptronix
5   577          Other
6    17          Other
7   200          Other
8   156          Other

如果还可以使用许多类别的解决方案，请使用自定义功能：

def get_data(x):
    if x in ('112','32'):
        return 'Webmania'
    elif x == '5898':
        return 'DataHub'
    elif x == '9985':
        return 'TorrentJunkie'
    elif x == '23':
        return 'Apptronix'
    else: return 'Other'


df['Retailer'] =  df['ID'].apply(get_data)
print (df)
     ID       Retailer
0   112       Webmania
1  5898        DataHub
2    32       Webmania
3  9985  TorrentJunkie
4    23      Apptronix
5   577          Other
6    17          Other
7   200          Other
8   156          Other

或者通过字典使用map，如果不匹配得到NaN，所以添加fillna：

d = {'112': 'Webmania','32':'Webmania',
    '5898':'DataHub',
    '9985':'TorrentJunkie',
    '23':'Apptronix'}

df['Retailer'] =  df['ID'].map(d).fillna('Other')

【讨论】：