本文介绍了如何使用If Else在 pandas 麻木的时候在所有行中快速应用函数的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个数据帧df_ia：
dod1 dod2
0 0 0
1 200806 0
2 200806 0
3 200806 0
4 200806 0
5 200806 0
6 200806 0
7 200806 0
和用于应用于每一行的函数：
def life_status(dod1, dod2):
if dod1.any() == 0:
ls1 = '1'
else:
ls1 = '0'
if dod2.any() == 0:
ls2 = '1'
else:
ls2 = '0'
lifestatus = ls1 + ls2
return lifestatus
df_ia['lifestatus'] = life_status(df_ia['dod1'].values,df_ia['dod2'].values)
但我发现，我不能直接使用：
if dod1.any() to add condition
所以我试了一下，
if np.any(dod1==0):
ls1='1'
但仍不起作用。
输出应如下所示：
dod1 dod2 lifestatus
0 0 0 11
1 200806 0 01
2 200806 0 01
3 200806 0 01
4 200806 0 01
5 200806 0 01
6 200806 0 01
7 200806 0 01
8 200806 0 01
9 200806 0 01
我可以使用此代码来实现这一点
def life_status(row):
if row['dod1'] == 0:
ls1 = '1'
else:
ls1 = '0'
if row['dod2'] == 0:
ls2 = '1'
else:
ls2 = '0'
lifestatus = ls1 + ls2
return lifestatus
df['lifestatus'] = df.apply(lambda row: life_status(row), axis=1)
但它非常慢，这就是我发布这个问题的原因。
推荐答案
解决方案
根据您在评论部分的解释，您以前共享的函数有一个错误的逻辑，这误导了我之前的解决方案。您需要计算每一行的int(dod1[i] == 0) + int(dod2[i] == 0)，并返回一个序列或数字.ndarray。
import numpy as np
import pandas as pd
df = pd.DataFrame({
'dod1': [0] + [200806 for _ in range(7)],
'dod2': [0 for _ in range(8)],
})
def life_status(dod1: np.ndarray, dod2: np.ndarray):
return (dod1 == 0).astype(int).astype(str) + (dod2 == 0).astype(int).astype(str)
life_status(df['dod1'].values, df['dod2'].values)
## Output:
# I will update this later. But the function should work as expected.
或者，直接在数据帧上使用它。
(df.dod1 == 0).astype(int).astype(str) + (df.dod2 == 0).astype(int).astype(str)
如果您想让它更通用，例如当(dod1 == 0)为True时，分配4，当它为False时，分配5，可以按如下方式操作。
# schema:
# - condition: dod1 == 0 --> True: 4, False: 5
# - condition: dod1 == 0 --> True: 7, False: 8
cond1, cond2 = (df.dod1 == 0), (df.dod2 == 0)
((cond1 * 4 + ~cond1 * 5).astype(str) + (cond2 * 7 + ~cond2 * 8).astype(str)).tolist()
## Output
# ['47', '57', '57', '57', '57', '57', '57', '57']
您可以进一步改进它，并允许根据True或False替换任何值(str、int、float)。
(df.dod1 == 0).astype(str).replace({'True': '4', 'False': '5'}) +
(df.dod2 == 0).astype(str).replace({'True': '7', 'False': '8'})
## Output
# ['47', '57', '57', '57', '57', '57', '57', '57']
这篇关于如何使用If Else在 pandas 麻木的时候在所有行中快速应用函数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！