向量化条件列

Posted 2023-03-11

【中文标题】向量化条件列

【英文标题】：Vectorized conditional column

【发布时间】：2021-12-10 01:57:32

【问题描述】：

假设我有一个如下数据框：

df = pd.DataFrame()

df['v'] = [0,0,0,0,0,1,1,1,1]
df['w'] = [1,1,1,1,1,0,0,0,0]

df['x'] = (df.v + df.w)+10
df['y'] = (df.v + df.w)+5

df['z'] = ...

我需要一个新列 df.z，以等于 df.x if df.v = 1 和 df.y if df.w = 1

当然，我可以在这里使用df.apply：

def non_vector(row):
    
    if row['v'] == 1: return row['x']
    if row['w'] == 1: return row['y'] 

df['z'] = df.apply(non_vector, axis=1)

print df

   v  w   x  y   z
0  0  1  11  6   6
1  0  1  11  6   6
2  0  1  11  6   6
3  0  1  11  6   6
4  0  1  11  6   6
5  1  0  11  6  11
6  1  0  11  6  11
7  1  0  11  6  11
8  1  0  11  6  11

但是对于矢量化方法来说，这个问题似乎很简单，因为这实际上非常缓慢。

任何帮助表示赞赏。

【问题讨论】：

你有 python-2.7 标记什么是 pandas/numpy 版本？

@Henry Ecker，pandas 0.24.2 和 numpy 1.14.1

您可能希望将其包含在您的问题正文中，这样人们就不必阅读 cmets 即可找到它。自 2019 年以来，这两个模块中的可用方法都发生了相当大的增长和变化。

为什么不使用 df['v']*df['x']+df['w']*df['y']？

如果 v 和 w 总是彼此相反的布尔值，那么您可以使用 numpy.where numpy.org/doc/1.14/reference/generated/numpy.where.html

【参考方案1】：

为什么不这样做：

df['z'] = np.where(df['v']==1, df['x'],np.where(df['v']==0,df['y'], np.nan))

如果df.v 只取值 0 和 1，那么

df['z'] = np.where(df['v']==1, df['x'],df['y'])

就够了。在这两种情况下，您都会得到：

v  w   x  y     z
0  0  1  11  6   6.0
1  0  1  11  6   6.0
2  0  1  11  6   6.0
3  0  1  11  6   6.0
4  0  1  11  6   6.0
5  1  0  11  6  11.0
6  1  0  11  6  11.0
7  1  0  11  6  11.0
8  1  0  11  6  11.0

【讨论】：

我选择了df['z'] = df[‘v’]*df[‘x’]+df[‘w’]*df[‘y’]，但这会派上用场。