python - nueva - insertar columna en data frame r

Usar condicional para generar una nueva columna en el marco de datos de pandas

Question

Tengo un marco de datos de pandas que se ve así:

   portion  used
0        1   1.0
1        2   0.3
2        3   0.0
3        4   0.8

Me gustaría crear una nueva columna basada en la columna used , para que el df vea así:

   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial

• Crear una nueva columna de alert basada en
• Si se used es 1.0 , la alert debe estar Full .
• Si se used es 0.0 , la alert debe estar Empty .
• De lo contrario, la alert debe ser Partial .

¿Cuál es la mejor manera de hacer eso?

Answer 1

Alternativamente, podrías hacer:

import pandas as pd
import numpy as np
df = pd.DataFrame(data={''portion'':np.arange(10000), ''used'':np.random.rand(10000)})

%%timeit
df.loc[df[''used''] == 1.0, ''alert''] = ''Full''
df.loc[df[''used''] == 0.0, ''alert''] = ''Empty''
df.loc[(df[''used''] >0.0) & (df[''used''] < 1.0), ''alert''] = ''Partial''

Lo que da el mismo resultado pero se ejecuta aproximadamente 100 veces más rápido en 10000 filas:

100 loops, best of 3: 2.91 ms per loop

Luego usando apply:

%timeit df[''alert''] = df.apply(alert, axis=1)

1 loops, best of 3: 287 ms per loop

Supongo que la elección depende de qué tan grande sea su marco de datos.

Answer 2

No puedo comentar así que hacer una nueva respuesta: Mejorando el enfoque de Ffisegydd, puede usar un diccionario y el método dict.get() para hacer que la función que se .apply() a .apply() sea ​​más fácil de administrar:

import pandas as pd

def alert(c):
    mapping = {1.0: ''Full'', 0.0: ''Empty''}
    return mapping.get(c[''used''], ''Partial'')

df = pd.DataFrame(data={''portion'':[1, 2, 3, 4], ''used'':[1.0, 0.3, 0.0, 0.8]})

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

Dependiendo del caso de uso, es posible que también desee definir el dict fuera de la definición de la función.

Answer 3

Puede definir una función que devuelva sus diferentes estados "Completo", "Parcial", "Vacío", etc. y luego usar df.apply para aplicar la función a cada fila. Tenga en cuenta que debe pasar el argumento de palabra clave axis=1 para asegurarse de que aplica la función a las filas.

import pandas as pd

def alert(c):
  if c[''used''] == 1.0:
    return ''Full''
  elif c[''used''] == 0.0:
    return ''Empty''
  elif 0.0 < c[''used''] < 1.0:
    return ''Partial''
  else:
    return ''Undefined''

df = pd.DataFrame(data={''portion'':[1, 2, 3, 4], ''used'':[1.0, 0.3, 0.0, 0.8]})

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

#    portion  used    alert
# 0        1   1.0     Full
# 1        2   0.3  Partial
# 2        3   0.0    Empty
# 3        4   0.8  Partial

Answer 4

Use np.where , generalmente es rápido

In [845]: df[''alert''] = np.where(df.used == 1, ''Full'', 
                                 np.where(df.used == 0, ''Empty'', ''Partial''))

In [846]: df
Out[846]:
   portion  used    alert
0        1   1.0     Full
1        2   0.3  Partial
2        3   0.0    Empty
3        4   0.8  Partial

_Tiempos

In [848]: df.shape
Out[848]: (100000, 3)

In [849]: %timeit df[''alert''] = np.where(df.used == 1, ''Full'', np.where(df.used == 0, ''Empty'', ''Partial''))
100 loops, best of 3: 6.17 ms per loop

In [850]: %%timeit
     ...: df.loc[df[''used''] == 1.0, ''alert''] = ''Full''
     ...: df.loc[df[''used''] == 0.0, ''alert''] = ''Empty''
     ...: df.loc[(df[''used''] >0.0) & (df[''used''] < 1.0), ''alert''] = ''Partial''
     ...:
10 loops, best of 3: 21.9 ms per loop

In [851]: %timeit df[''alert''] = df.apply(alert, axis=1)
1 loop, best of 3: 2.79 s per loop

Answer 5

df[''TaxStatus''] = np.where(df.Public == 1, True, np.where(df.Public == 2, False))

Parece que esto funciona, excepto por ValueError: se debe dar ambos o ninguno de x e y