根据条件更改整个熊猫系列

Question

在我的 pandas DataFrame 中，我想根据另一列 (OldCol) 的数据遵循的某些条件添加一个新列 (NewCol)。

更具体地说，我的专栏OldCol 包含三种类型的字符串：

1. BB_sometext
2. sometext1
3. 一些文本 1

我想区分这三种类型的字符串。现在，我使用以下代码做到了这一点：

df['NewCol'] = pd.Series()
for i in range(0, len(df)):
    if str(df.loc[i, 'OldCol']).split('_')[0] == "BB":
        df.loc[i, 'NewCol'] = "A"
    elif len(str(df.loc[i, 'OldCol']).split(' ')) == 1:
        df.loc[i, 'NewCol'] = "B"
    else:
        df.loc[i, 'NewCol'] = "C"

尽管这段代码似乎可以工作，但我确信有更好的方法来做这样的事情，因为这看起来效率很低。有谁知道更好的方法来做到这一点？提前致谢。

Answer 1

一般来说，您需要如下公式：

>>> df.loc[boolean_test, 'NewCol'] = desired_result

或者，for multiple conditions（注意每个条件周围的括号，以及相当不符合 Python 标准的 & 而不是 and）：

>>> df.loc[(boolean_test1) & (boolean_test2), 'NewCol'] = desired_result

示例

让我们从一个例子开始Data.Frame：

>>>  df = pd.DataFrame(dict(OldCol=['sometext1', 'sometext 1', 'BB_ccc', 'sometext1']))

然后你会这样做：

>>> df.loc[df['OldCol'].str.split('_').str[0] == 'BB', 'NewCol'] = "A"

将所有BB_ 列设置为A。您甚至可以（为了便于阅读，可选地）将布尔条件分离到自己的行中：

>>> oldcol_starts_BB = df['OldCol'].str.split('_').str[0] == 'BB'
>>> df.loc[oldcol_starts_BB, 'NewCol'] = "A"

我喜欢这种方法，因为它意味着读者不必弄清楚隐藏在 split('_').str[0] 部分中的逻辑。

然后，设置所有没有空格的列，这些列仍未设置（即isnull 为真）：

>>> oldcol_has_no_space = df['OldCol'].str.find(' ') < 0
>>> newcol_is_null = df['NewCol'].isnull()
>>> df.loc[(oldcol_has_no_space) & (newcol_is_null), 'NewCol'] = 'C'

最后，将NewCol 的所有剩余值设置为B：

>>> df.loc[df['NewCol'].isnull(), 'NewCol'] = 'B'  
>>> df
       OldCol NewCol
0   sometext1      C
1  sometext 1      B
2      BB_ccc      A
3   sometext1      C