熊猫相当于 np.where

Posted 2023-03-11

【中文标题】熊猫相当于 np.where

【英文标题】：pandas equivalent of np.where

【发布时间】：2016-11-29 11:47:01

【问题描述】：

np.where 具有向量化 if/else 的语义（类似于 Apache Spark 的 when/otherwise DataFrame 方法）。我知道我可以在pandas.Series 上使用np.where，但是pandas 经常定义自己的API 来代替原始的numpy 函数，这通常使用pd.Series/pd.DataFrame 更方便。

果然，我找到了pandas.DataFrame.where。但是，乍一看，它具有完全不同的语义。我找不到使用 pandas where 重写 np.where 最基本示例的方法：

# df is pd.DataFrame
# how to write this using df.where?
df['C'] = np.where((df['A']<0) | (df['B']>0), df['A']+df['B'], df['A']/df['B'])

我是否遗漏了一些明显的东西？还是 pandas 的 where 用于完全不同的用例，尽管名称与 np.where 相同？

【问题讨论】：

文档字符串pandas.pydata.org/pandas-docs/stable/generated/… 似乎可以很好地解释它（尽管它可以使用一两个示例）。注意简短描述，以及cond 和other 参数的描述，但忽略这些参数可调用的选项。

@WarrenWeckesser 在第二次阅读文档时，我想我明白了...类似于(df.A + df.B).where((df['A']<0) | (df['B']>0), df.A/df.B)，对吗？我猜我会删除我的问题。

@max：不，不要删除。这可能会在将来对某人有所帮助。

【参考方案1】：

试试：

(df['A'] + df['B']).where((df['A'] < 0) | (df['B'] > 0), df['A'] / df['B'])

numpywhere 和 DataFramewhere 之间的区别在于，默认值由 DataFrame 提供，where 方法被调用 (docs)。

即

np.where(m, A, B)

大致相当于

A.where(m, B)

如果您想使用 pandas 获得类似的调用签名，您可以利用 the way method calls work in Python：

pd.DataFrame.where(cond=(df['A'] < 0) | (df['B'] > 0), self=df['A'] + df['B'], other=df['A'] / df['B'])

或者没有kwargs（注意：参数的位置顺序与numpywhereargument order不同）：

pd.DataFrame.where(df['A'] + df['B'], (df['A'] < 0) | (df['B'] > 0), df['A'] / df['B'])

【讨论】：

如果您想在文档字符串中显示一个示例，那将是一个很大的贡献！

@Jeff 刚刚提交了 PR。您是否有任何资源可以从高层次上理解 pandas 的源代码结构（例如，开发者论坛上的现有文档/帖子）？我通读了我找到的贡献/开发文档，没有看到任何类似于这种 5000 英尺的源代码视图。

如果满足条件，我们想要一个单一的值，我们该怎么办？我们真的不能说1.where(df['A']>df['B'], other=df['C'])

@max 用相同的索引创建一个新的 DataFrame。

@Alex，谢谢！ --我使用的是 pd.Dataframe 实例，而不是类对象 pd.DataFrame。使用“pd.DataFrame”有效。