如何迭代熊猫数据框并创建新列

Posted 2023-03-12

【中文标题】如何迭代熊猫数据框并创建新列

【英文标题】：How to iterate over pandas dataframe and create new column

【发布时间】：2017-02-13 21:36:22

【问题描述】：

我有一个有 2 列的 pandas 数据框。我想遍历它的行并基于第 2 列中的字符串我想在新创建的第 3 列中添加一个字符串。我试过了：

for i in df.index:
    if df.ix[i]['Column2']==variable1:
        df['Column3'] = variable2
    elif df.ix[i]['Column2']==variable3:
        df['Column3'] = variable4

print(df)

但生成的数据框在第 3 列中只有变量 2。

有什么想法我还能做到这一点吗？

【问题讨论】：

您可以使用for i, r in df.iterrows() 获取i 作为索引和r 作为一系列行值。这使得编写 if、elif 条件更容易if r.Column2==variable1:

我刚刚意识到您的主要问题是您将整个列 Column3 设置为 ALL i 的变量 2 和变量 4。您只得到 variable2，因为 variable1 是 Column2 中的最后一个元素。换句话说，只需使用df.ix[i, 'Column3'] = variable2 和df.ix[i, 'Column3'] = variable4。

【参考方案1】：

我认为你可以使用双numpy.where，循环更快：

df['Column3'] = np.where(df['Column2']==variable1, variable2, 
                np.where(df['Column2']==variable3, variable4))

如果两个条件都为False，则需要添加变量：

df['Column3'] = np.where(df['Column2']==variable1, variable2, 
                np.where(df['Column2']==variable3, variable4, variable5))

示例：

df = pd.DataFrame('Column2':[1,2,4,3])
print (df)
   Column2
0        1
1        2
2        4
3        3

variable1 = 1
variable2 = 2
variable3 = 3
variable4 = 4
variable5 = 5

df['Column3'] = np.where(df['Column2']==variable1, variable2, 
                np.where(df['Column2']==variable3, variable4, variable5))

print (df)
   Column2  Column3
0        1        2
1        2        5
2        4        5
3        3        4

另一种解决方案，谢谢Jon Clements:

df['Column4'] = df.Column2.map(variable1: variable2, variable3:variable4).fillna(variable5)
print (df)
   Column2  Column3  Column4
0        1        2      2.0
1        2        5      5.0
2        4        5      5.0
3        3        4      4.0

【讨论】：

或者可能：df.Column2.map(1: 'foo', 3: 'bar').fillna('') - 那么你就有了你的条件（非嵌套在单操作字典中）和fillna 作为默认值

是的，仅转换为float 并不好，但如果变量为float 或string 则效果很好。如果int，则只需要.astype(int)。谢谢你。

感谢 Jezrael，它做得很好。如果我不是太厚脸皮，这可能非常困难，但是考虑到当前并非两个变量的行数相同，我现在如何公平地用变量 2 或 4 替换变量 5。在您的示例中，如果第 4 列是

2.0 5.0 5.0 4.0 4.0 4.0。在这种情况下，2 5's 应该变成 2's

@Andei Cozma - 我离开了我的电脑。所以我想你可以问另一个问题。小建议检查this，不要忘记添加所需的输出。

【参考方案2】：

你也可以试试这个（如果你想保留你使用的for循环）：

new_column = []

for i in df.index:
    if df.ix[i]['Column2']==variable1:
        new_column.append(variable2)
    elif df.ix[i]['Column2']==variable3:
        new_column.append(variable4)
    else : #if both conditions not verified
        new_column.append(other_variable)

df['Column3'] = new_column

【参考方案3】：

首先，不需要循环遍历每个索引，只需使用 boolean indexing 内置的 pandas。这里的第一行，我们收集Column2 中与variable1 相同的所有值，并将Column3 中的同一行设置为variable2

df.ix[df.Column2==variable1, 'Column3'] = variable2
df.ix[df.Column2==variable3, 'Column3'] = variable4

一个简单的例子是

import pandas as pd

df = pd.DataFrame('Animal':['dog', 'fish', 'fish', 'dog'])
print(df)

    Animal
0   dog
1   fish
2   fish
3   dog

df.ix[df.Animal=='dog', 'Colour'] = 'brown'
df.ix[df.Animal=='fish', 'Colour'] = 'silver'
print(df)

    Animal  Colour
0   dog     brown
1   fish    silver
2   fish    silver
3   dog     brown

使用& 和| 等多个条件可以非常轻松地构建上述方法以获取布尔索引。

df = pd.DataFrame('Animal':['dog', 'fish', 'fish', 'dog'], 'Age': [1, 3, 2, 10])
print(df)

   Age Animal
0    1    dog
1    3   fish
2    2   fish
3   10    dog

df.ix[(df.Animal=='dog') & (df.Age > 8), 'Colour'] = 'grey' # old dogs go grey
df.ix[(df.Animal=='dog') & (df.Age <= 8), 'Colour'] = 'brown'
df.ix[df.Animal=='fish', 'Colour'] = 'silver'
print(df)

   Age Animal  Colour
0    1    dog   brown
1    3   fish  silver
2    2   fish  silver
3   10    dog    grey