基于布尔条件在新列中设置值

Question

我有一个数据帧和两个字典，如下所示：

a = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
x = {'a':'a'}
y = {'b':'b'}

现在，我想执行一个操作，添加一个新的列C，使C中的每个单元格在a>=2和B>=2时存储x，否则存储y。生成的数据帧应等效于：

a = pd.DataFrame({'A':[1,2,3],'B':[4,5,6], 'C':[{'b':'b'}, {'a':'a'}, {'a':'a'}]})

我尝试了很多不同的方法，但到目前为止都没有成功。这是一个有趣的例子，而实际的数据帧将有许多行和列，可能会使用更复杂的条件。最终目标是通过将可视化所需的所有信息(如标记定义(存储为附加列，为绘图可视化准备数据帧。

提前谢谢。

Answer 1

使用np.where

a['C'] = np.where((a.A >= 2) & (a.B >= 2), x, y)
A  B           C
0  1  4  {'b': 'b'}
1  2  5  {'a': 'a'}
2  3  6  {'a': 'a'}

为了解释这一点，因为您说您的真实数据更复杂，np.where将：

根据条件从x或y返回元素

因此，只需创建条件，然后根据条件的结果确定x和y需要什么。如果您有两个以上的可能选项和多种条件，那么您应该查看np.select

为了演示起见，这里是等价的np.select：

conds = [(a.A >=2) & (a.B >=2)]
choices = [x]
np.select(conds, choices, default=y)
# array([{'b': 'b'}, {'a': 'a'}, {'a': 'a'}], dtype=object)