我有一个相当复杂的If语句,我想将其添加为pandas数据帧中的列。在过去,我总是使用numpy.select来解决这类问题,但我不知道如何使用多行if语句来实现这一点。
我能够在Excel:中得到这个
=IF(sum1=3,IF(AND(col1=col2,col2=col3),0,1),IF(sum1=2,IF(OR(col1=col2,col2=col3,col1=col3),0,1),IF(sum1=1,0,1)))
并将其作为一个常规的多行"if语句"用Python编写,只是想看看是否有一种更干净的方式来表达这一点。
if df['sum1'] == 3:
if df['col1'] == df['col2'] and df['col2'] == df['col3']:
df['verify_col'] = 0
else:
df['verify_col'] = 1
elif df['sum1'] == 2:
if df['col1'] == df['col2'] or df['col2'] == df['col3'] or df['col1'] == df['col3']:
df['verify_col'] = 0
else:
df['verify_col'] = 1
elif df['sum1'] == 1:
df['verify_col'] = 0
else:
df['verify_col'] = 1
以下是一些示例数据:
df = pd.DataFrame({
'col1': ['BMW', 'Mercedes Benz', 'Lamborghini', 'Ferrari', null],
'col2': ['BMW', 'Mercedes Benz', null, null, 'Tesla'],
'col3': ['BMW', 'Mercedes', 'Lamborghini', null, 'Tesla_'],
'sum1': [3, 3, 2, 1, 2]
})
我想要一个有以下结果的专栏:
'verify_col': [0, 1, 0, 0, 1]
它基本上检查列是否与其中有值的列匹配,并为每行指定1或0。1表示它们不同,0表示零差异。
使用带链掩码的numpy.where
和|
用于逐位OR
-如果不匹配,则创建任何条件1
:
m1 = (df['sum1'] == 3)
m2 = (df['col1'] == df['col2']) & (df['col2'] == df['col3'])
m3 = (df['sum1'] == 2)
m4 = (df['col1'] == df['col2']) | (df['col2'] == df['col3']) | (df['col1'] == df['col3'])
m5 = df['sum1'] == 1
df['verify_col'] = np.where((m1 & m2) | (m3 & m4) | m5, 0, 1)
如果需要None
,如果不匹配任何条件:
df['verify_col'] = np.select([(m1 & m2) | (m3 & m4) | m5,
(m1 & ~m2) | (m3 & ~m4) | ~m5],
[0,1], default=None)
print (df)
col1 col2 col3 sum1 verify_col
0 BMW BMW BMW 3 0
1 Mercedes Benz Mercedes Benz Mercedes 3 1
2 Lamborghini NaN Lamborghini 2 0
3 Ferrari NaN NaN 1 0
4 NaN Tesla Tesla_ 2 1
一个选项是使用pyjanitor:的case_when
# pip install pyjanitor
import pandas as pd
import janitor
(df
.case_when(
# condition, result
df.sum1.eq(3) & df.col1.eq(df.col2) & df.col2.eq(df.col3), 0,
df.sum1.eq(3), 1,
df.sum1.eq(2) & (df.col1.eq(df.col2) | df.col2.eq(df.col3) | df.col1.eq(df.col3)), 0,
df.sum1.eq(2), 1,
df.sum1.eq(1), 0,
1, # default
column_name='verify_col')
)
col1 col2 col3 sum1 verify_col
0 BMW BMW BMW 3 0
1 Mercedes Benz Mercedes Benz Mercedes 3 1
2 Lamborghini None Lamborghini 2 0
3 Ferrari None None 1 0
4 None Tesla Tesla_ 2 1
当然,您可以使用np.select
:
conditions = [df.sum1.eq(3) & df.col1.eq(df.col2) & df.col2.eq(df.col3),
df.sum1.eq(3),
df.sum1.eq(2) & (df.col1.eq(df.col2) | df.col2.eq(df.col3) |
df.col1.eq(df.col3)),
df.sum1.eq(2),
df.sum1.eq(1)]
results = [0,1,0,1,0]
outcome = np.select(conditions, results, default=1)
df.assign(verify_col = outcome)
col1 col2 col3 sum1 verify_col
0 BMW BMW BMW 3 0
1 Mercedes Benz Mercedes Benz Mercedes 3 1
2 Lamborghini None Lamborghini 2 0
3 Ferrari None None 1 0
4 None Tesla Tesla_ 2 1