根据两个字符串值评估 Pandas DataFrame

Question

我有一个 Pandas DataFrame "table"，其中包含一个名为 "OPINION" 的列，其中填充了字符串值。我想创建一个名为 "cond5" 的新列，其中 "OPINION" 是 "buy" 或 "neutral".

的每一行都用 TRUE 填充

我试过了

table["cond5"]= table.OPINION == "buy" or table.OPINION == "neutral"

这给了我一个错误，

table["cond5"]= table.OPINION.all() in ("buy", "neutral")

所有行的 returns FALSE。

Answer 1

正如 Ed Chum 指出的那样，您可以使用 isin method:

table['cond5'] = table['OPINION'].isin(['buy', 'neutral'])

isin 检查是否完全相等。也许那将是 最简单和最易读的 。

修复

table["cond5"] = table.OPINION == "buy" or table.OPINION == "neutral"

使用

table["cond5"] = (table['OPINION'] == "buy") | (table['OPINION'] == "neutral")

括号是必需的，因为 | 比 == 多 higher precedence (binding power)。

x or y 要求 x 和 y 为布尔值。

(table['OPINION'] == "buy") or (table['OPINION'] == "neutral")

引发错误，因为 Series can no be reduced to a single boolean value。

因此，请改用逻辑或运算符 |，它按元素取 Series 中值的 or。

另一种选择是

import numpy as np
table["cond5"] = np.logical_or.reduce([(table['OPINION'] == val) for val in ('buy', 'neutral')])

如果 ('buy', 'neutral') 是一个更长的元组，这可能会有用。

另一种选择是使用 Pandas' vectorized string method, str.contains:

table["cond5"] = table['OPINION'].str.contains(r'buy|neutral')

str.contains 在 Cythonized 循环中对 table['OPINION'] 中的每个项目执行模式 r'buy|neutral' 的正则表达式搜索。

现在如何决定使用哪一个？这是使用 IPython:

的时间基准

In [10]: table = pd.DataFrame({'OPINION':np.random.choice(['buy','neutral','sell',''], size=10**6)})

In [11]: %timeit (table['OPINION'] == "buy") | (table['OPINION'] == "neutral")
10 loops, best of 3: 121 ms per loop

In [12]: %timeit np.logical_or.reduce([(table['OPINION'] == val) for val in ('buy', 'neutral')])
1 loops, best of 3: 204 ms per loop

In [13]: %timeit table['OPINION'].str.contains(r'buy|neutral')
1 loops, best of 3: 474 ms per loop

In [14]: %timeit table['OPINION'].isin(['buy', 'neutral'])
10 loops, best of 3: 40 ms per loop

看起来 isin 最快.

根据两个字符串值评估 Pandas DataFrame

Evaluate Pandas DataFrame against two string values

python

pandas