Pandas DataFrame - 根据其他列分配 1,0 值

Question

我有一个包含国家名称及其能源输出百分比的数据框。我需要添加一个新列，根据该国家/地区的能源输出是高于还是低于能源输出的中位数来分配 1 或 0。一些虚拟代码是：

import pandas as pd
def answer():
    df = pd.DataFrame({'name':['china', 'america', 'canada'], 'output': [33.2, 15.0, 5.0]})
    df['newcol'] = df.where(df['output'] > df['output'].median(), 1, 0)
    return df['newcol']
answer()

代码returns

ValueError: Wrong number of items passed 2, placement implies 1

我觉得这是一个非常简单的修复，但我是使用 Pandas 的新手。请帮助结束我的挫败感

Answer 1

您不需要循环，因为解决方案是矢量化的。

df['newcol'] = np.where((df['output'] > df['output'].median()), 1, 0)

    name    output  newcol
0   china   33.2    1
1   america 15.0    0
2   canada  5.0     0

对于错误的项目数量错误，df.where 与np.where 的工作方式略有不同。它 Returns 一个与 self 形状相同的对象，其对应条目来自 self，其中 cond 为 True，否则来自 other。因此，它在您的情况下返回一个数据框，其中包含两列而不是一个系列，因此当您尝试将该数据框分配给一个系列时，您会收到错误消息。

Answer 2

@Vaishali 解释了为什么 pd.DataFrame.where 没有像您预期的那样工作，并建议您改用 np.where，这是非常好的建议。

我建议您可以简单地将布尔结果转换为整数。

设置

df = pd.DataFrame({
    'name':['china', 'america', 'canada'],
    'output': [33.2, 15.0, 5.0]
})

选项 1

df['newcol'] = (df['output'] > df['output'].median()).astype(int)

选项 2
或者通过使用底层的 numpy 数组

更快

o = df['output'].values
df['newcol'] = (o > np.median(o)).astype(int)

Pandas DataFrame - 根据其他列分配 1,0 值

Pandas DataFrame - assign 1,0 values based on other column

python

series

calculated-columns

dataframe

pandas