时间戳

首页 > 解决方案 > Python & Pandas：结构化条件

python - Python & Pandas：结构化条件

问题描述

可能是一个菜鸟问题，但我是 Python 和 Pandas 的新手，还在学习语法。我正在开发一个脚本，我想在其中构建一个将单元格值乘以整个列的条件。

这是 的结构test.csv：

在此处输入图像描述

如果单元格中的值大于 3，我想创建一个将单元格error_count_score中的值乘以3 的列error_count（作为 Excel 公式，它将是：）=IF(C2<=3,0,(C2*3))。在这种情况下，新列的值是0和12。

我怀疑有多种方法可以解决这个问题，但我不确定如何构造代码。这是我的工作代码尝试：

import pandas as pd

df = pd.read_csv("test.csv")
    
df.loc[df['error_count'] >= 3, 'error_count_score'] = #do I put an object here? * 3

非常感谢任何帮助或建议。

标签： pythonpandas

解决方案

您可以创建一个函数，对 column 中的单个元素执行您想要的操作，然后将该函数应用于该列的每个元素，生成您的新列。

这是通过DataFrame.apply方法完成的。

在你的情况下：

def my_function(element):
    if element <= 3:
        return 0
    else: 
        return element * 3

df['error_count_score'] = df['error_count'].apply(my_function)

请注意，pandas 期望my_function接受一个参数（列的每个元素），然后通过一些逻辑应用它，最后返回一个新元素。这正是这里发生的事情。

当你习惯了 pandas 时，你会发现很多时候人们不会费心去定义一个函数，只是为了应用它一次。在这些情况下，人们会使用一个匿名函数——基本上是一个只存在于一行的函数——使用lambda关键字。

在你的情况下：

df['error_count_score'] = df['error_count'].apply(lambda element: 0 if element <= 3 else element * 3)

推荐阅读