如何使用 np.where 嵌套在带有 pandas 的数据框中？

Question

我想根据以下条件实现添加自定义标签的逻辑：

if df[(df['value1'] ==0) & (df['value2']==1)] then label1
if df[(df['value1'] ==0) & (df['value2']==0)] then label2
if df[(df['value1'] ==1) & (df['value2']==1)] then label3
if df[(df['value1'] ==1) & (df['value2']==0)] then label4

输出：

label_class | other columns
label1      |...
label1      |...
label3      |...
label2      |...

我试过 np.where 但我不确定如何正确嵌套。

Answer 1

使用numpy.select:

m1 = (df['value1'] ==0) & (df['value2']==1)
m2 = (df['value1'] ==0) & (df['value2']==0)
m3 = (df['value1'] ==1) & (df['value2']==1)
m4 = (df['value1'] ==1) & (df['value2']==0)
labels = ['label1', 'label2', 'label3', 'label4']

df['label_class'] = np.select([m1, m2, m3, m4], labels)

另一个想法是通过所有组合和标签创建辅助 DataFrame，然后通过左连接添加到 DataFrame：

df1 = pd.DataFrame({'value1':[0,0,1,1], 'value2':[1,0,1,0], 'label_class':labels})

df = df.merge(df1, on=['value1','value2'], how='left')

两列映射的想法：

d = {(0, 1): 'label1', (0, 0): 'label2', (1, 1): 'label3', (1, 0): 'label4'}

df['label_class'] = df.set_index(['value1','value2']).index.map(d)

Answer 2

np.where的语法是这样np.where(condition, value_if_true, value_if_false)

在你的情况下，你可以这样做：

np.where(df[(df['value1'] ==0) & (df['value2']==1)], 'label1',
         np.where(if df[(df['value1'] ==0) & (df['value2']==0)], 'label2',
         np.where(if df[(df['value1'] ==1) & (df['value2']==1)], 'label3',
         np.where(if df[(df['value1'] ==1) & (df['value2']==0)], 'label4', None))))

如何使用 np.where 嵌套在带有 pandas 的数据框中？

How to use np.where nested in data frame with pandas?

pandas