抱歉,是否曾经有人问过这个问题,但我进行了广泛调查,但没有结果。
import pandas as pd
import numpy as np
df = pd.DataFrame(data = np.random.randint(1,10,10),columns=['a'])
a
0 7
1 8
2 8
3 3
4 1
5 1
6 2
7 8
8 6
9 6
我想创建一个新列b
,该列a
根据某些规则映射的多个值,例如a = [1,2,3]为1,a = [4,5,6,7]为2,a = [8 ,, 9,10]为3。一对一映射对我很清楚,但是如果我想按值列表或范围进行映射怎么办?
我坚持这些方针...
df['b'] = df['a'].map({[1,2,3]:1,range(4,7):2,[8,9,10]:3})
有几种选择。
pd.cut
/ NumPy通过np.digitize
您可以构造边界列表,然后使用专家库功能。这是在描述@ EdChum的解决方案中,也这个答案。
np.select
df = pd.DataFrame(data=np.random.randint(1,10,10), columns=['a'])
criteria = [df['a'].between(1, 3), df['a'].between(4, 7), df['a'].between(8, 10)]
values = [1, 2, 3]
df['b'] = np.select(criteria, values, 0)
的元素criteria
是布尔级数,因此对于值列表,可以使用df['a'].isin([1, 3])
,等等。
range
d = {range(1, 4): 1, range(4, 8): 2, range(8, 11): 3}
df['c'] = df['a'].apply(lambda x: next((v for k, v in d.items() if x in k), 0))
print(df)
a b c
0 1 1 1
1 7 2 2
2 5 2 2
3 1 1 1
4 3 1 1
5 5 2 2
6 4 2 2
7 4 2 2
8 9 3 3
9 3 1 1
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句