pandas case when

在pandas中，可以使用`case when`语句来实现条件判断和选择。与MySQL中的`case when`类似，pandas的`case when`也可以根据条件对数据进行操作和筛选。

具体实现方式是使用`numpy.where()`函数，该函数接受三个参数：条件、满足条件时的值、不满足条件时的值。通过在DataFrame中使用`np.where()`函数，可以根据条件在指定的列中进行值的替换或创建新的列。

举例来说，假设我们有一个名为`df`的DataFrame，其中有一个名为`col1`的列。我们想要根据`col1`的值进行判断，如果`col1`的值大于等于5，则将该行的`col2`列设置为'A'，否则设置为'B'，可以使用以下代码实现：

import pandas as pd
import numpy as np

df['col2'] = np.where(df['col1'] >= 5, 'A', 'B')

这样就可以根据条件在`col2`列中进行值的替换。

需要注意的是，在pandas中使用`case when`时，条件判断和值替换都是基于列进行的，而不是基于整个DataFrame。另外，pandas中的条件判断也可以使用其他函数，如`np.select()`函数。

总结起来，pandas中的`case when`可以通过使用`np.where()`函数来根据条件进行值的替换或创建新的列。

相关问题

pandas case when 函数

pandas中没有直接的case when函数，但可以通过其他方式实现类似的功能。在pandas中，可以使用np.select()函数或者DataFrame的apply()方法来实现条件判断和赋值操作。

1. 使用np.select()函数：
np.select()函数可以根据条件列表和对应的值列表进行条件判断和赋值操作。以下是使用np.select()函数实现case when的示例：

import pandas as pd
import numpy as np

data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

conditions = [df['A'] > 3, df['A'] <= 3]
choices = ['high', 'low']

df['C'] = np.select(conditions, choices, default='unknown')

上述代码中，根据'A'列的值进行条件判断，如果大于3，则赋值为'high'，如果小于等于3，则赋值为'low'，否则赋值为'unknown'。

2. 使用DataFrame的apply()方法：
DataFrame的apply()方法可以对每一行或每一列进行自定义函数的应用。以下是使用apply()方法实现case when的示例：

import pandas as pd

data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

def case_when(row):
    if row['A'] > 3:
        return 'high'
    elif row['A'] <= 3:
        return 'low'
    else:
        return 'unknown'

df['C'] = df.apply(case_when, axis=1)

上述代码中，定义了一个自定义函数case_when()，根据'A'列的值进行条件判断，并返回相应的值。然后使用apply()方法将该函数应用到每一行，得到新的列'C'。

pandas中case when

在pandas中，可以使用apply函数结合lambda表达式来实现类似于SQL中的case when语句的功能。以下是使用apply函数实现case when语句的步骤：

1. 首先，创建一个新的列，用于存储case when结果。
2. 使用apply函数和lambda表达式来定义一个自定义函数，该函数根据条件返回对应的结果。在lambda表达式中，可以使用if-else语句来实现条件判断，并返回相应的结果。
3. 将自定义函数应用于DataFrame的某一列，通过设置axis参数为1来逐行处理。
4. 将结果存储到新创建的列中。

下面是一个示例代码，演示如何在pandas中使用apply函数实现case when语句的功能：

import pandas as pd

# 创建示例数据
chengji = [[100, 95, 100, 98], [90, 98, 0, 94], [88, 95, 98, 95], [99, 98, 97, 92], [95, 90, 96, 88], [94, 94, 93, 77]]
data = pd.DataFrame(chengji, columns=['语文', '类别', '数学', '政治'])

# 创建新列
data['数学评级'] = data.apply(lambda x: 'A' if x['数学'] >= 90 else 'B' if x['数学'] >= 80 else 'C', axis=1)

# 输出结果
print(data)

以上代码中，我们使用apply函数和lambda表达式创建了一个自定义函数，根据数学成绩的不同范围分别返回'A'、'B'和'C'，然后将该函数应用于DataFrame的数学列，将结果存储到新创建的数学评级列中。

请注意，这只是一种示例方法，你可以根据具体的需求和条件来修改lambda表达式中的条件判断和返回结果。