pandas实现多条件的case when功能

在pandas中，可以使用numpy.select()函数来实现多条件的case when功能。该函数接受三个参数，第一个参数是包含多个条件的列表，第二个参数是对应条件的目标值列表，第三个参数是条件未满足时的默认值。通过使用numpy.select()，可以根据不同的条件对数据进行分类和转换。

例如，假设我们有一个名为df的DataFrame，其中有一个名为col1的列，我们想要根据不同的条件对col1进行分类和转换，可以按照以下方式使用numpy.select()函数：

import pandas as pd
import numpy as np

conditions = [
    df['col1'] > 10,
    df['col1'] < 5,
    (df['col1'] >= 5) & (df['col1'] <= 10)
]

choices = ['high', 'low', 'medium']

df['col2'] = np.select(conditions, choices, default='unknown')

上述代码中，我们定义了三个条件，分别对应于大于10、小于5和5到10之间的情况。然后，我们定义了三个目标值，分别为'high'、'low'和'medium'。最后，我们使用np.select()函数将结果存储在新的列col2中。

相关问题

使用pandas实现case when操作

在 pandas 中，我们可以使用 `numpy` 中的 `where` 函数来实现类似于 SQL 中的 `case when` 操作。

假设我们有一个数据框 `df`，其中有一列 `score`，我们想根据 `score` 列的值创建一个新的列 `grade`，满足以下条件：

- 当 `score` 大于等于 90 时，`grade` 为 A
- 当 `score` 大于等于 80 且小于 90 时，`grade` 为 B
- 当 `score` 大于等于 70 且小于 80 时，`grade` 为 C
- 否则 `grade` 为 D

代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({'score': [85, 92, 78, 65, 50]})
df['grade'] = np.where(df['score'] >= 90, 'A',
                       np.where(df['score'] >= 80, 'B',
                                np.where(df['score'] >= 70, 'C', 'D')))
print(df)

输出结果如下：

   score grade
0     85     B
1     92     A
2     78     C
3     65     D
4     50     D

在上述代码中，我们使用了三个嵌套的 `np.where` 函数来实现类似于 SQL 中的 `case when` 操作。

使用Python的Pandas实现Case When语句

在Pandas中，可以使用np.select()函数来实现类似于SQL中的Case When语句。具体实现步骤如下：

1. 导入必要的库

import pandas as pd
import numpy as np

2. 定义条件和结果

conditions = [
    df['column1'] > 0,
    df['column2'] == 'value1',
    df['column3'].isin(['value2', 'value3'])
]

results = [
    'positive',
    'match',
    'in_list'
]

3. 使用np.select()函数进行条件判断

df['new_column'] = np.select(conditions, results, default='other')

以上代码将会在df中新增一个名为"new_column"的列，根据条件判断结果赋予相应的值。

其中，第一个参数为条件列表，第二个参数为结果列表，default参数为默认值（即所有条件都不满足时的返回值）。在条件列表和结果列表中，每个元素的位置是对应的，即第一个条件对应第一个结果，第二个条件对应第二个结果，以此类推。

需要注意的是，条件列表中的每个元素都应该返回一个布尔值，表示该条件是否满足。结果列表中的每个元素可以是任何类型的值，表示该条件满足时需要返回的结果。