提问人：anon124083 提问时间：6/20/2023 最后编辑：Goku - stands with Palestineanon124083 更新时间：6/20/2023 访问量：46
简化 Pandas 中的布尔索引条件
Simplify Boolean Indexing Conditions in Pandas
问：
我有两列，它们包含“是”或“否”值：
- 伙伴
- 家属
我最初编写此代码是为了根据这两列中的值生成另一列（见下文）：
conditions = [
# either dependents, partner, or both
((cleaned_df["Partner"] == "Yes") & (cleaned_df["Dependents"] == "Yes")) | ((cleaned_df["Partner"] == "No") & (cleaned_df["Dependents"] == "Yes")) | ((cleaned_df["Partner"] == "Yes") & (cleaned_df["Dependents"] == "No")),
# neither partner nor dependents
(cleaned_df["Partner"] == "No") & (cleaned_df["Dependents"] == "No")
]
但是，第一个条件有点罗嗦，我想知道是否有更雄辩的方法来重写此代码。提前致谢！
答：
2赞
Goku - stands with Palestine
6/20/2023
#1
我举一个最小的例子：
import pandas as pd
data = {'Partner' : ['Yes','No','Yes','No'] , 'Dependents': ['No','No','Yes','Yes']}
df = pd.DataFrame(data)
print(df)
Partner Dependents
0 Yes No
1 No No
2 Yes Yes
3 No Yes
您可以简单地执行以下操作：
(df["Partner"] == "Yes") | (df["Dependents"] == "Yes")
0 True
1 False
2 True
3 True
dtype: bool
解释：如果任何一个是真的，那么它将是，如果它们都是，那么它将是TrueFalseFalse.
1赞
Panda Kim
6/20/2023
#2
例
dict1 = {'colA': {0: 'a0', 1: 'a1', 2: 'a2', 3: 'a3', 4: 'a4'},
'Partner': {0: 'Yes', 1: 'Yes', 2: 'No', 3: 'No', 4: 'Yes'},
'Dependents': {0: 'Yes', 1: 'No', 2: 'Yes', 3: 'No', 4: 'No'}}
df = pd.DataFrame(dict1)
df
colA Partner Dependents
0 a0 Yes Yes
1 a1 Yes No
2 a2 No Yes
3 a3 No No
4 a4 Yes No
法典
索引两列并制作为布尔值并使用 funcany
df[['Partner', 'Dependents']].eq('Yes').any(axis=1)
结果：
0 True
1 True
2 True
3 False
4 True
dtype: bool
将结果转换为条件列
df.assign(conditions=df[['Partner', 'Dependents']].eq('Yes').any(axis=1))
df
colA Partner Dependents conditions
0 a0 Yes Yes True
1 a1 Yes No True
2 a2 No Yes True
3 a3 No No False
4 a4 Yes No True
0赞
Corralien
6/20/2023
#3
与其他答案一样，您正在寻找 OR 表 （）：|
>>> df_or
Partner Dependents Expected
0 No No False
1 No Yes True
2 Yes No True
3 Yes Yes True
然而，@Phoenix建议的一个有趣的表是 NOR 表 （）：^
>>> df_nor
Partner Dependents Expected
0 No No True
1 No Yes False
2 Yes No False
3 Yes Yes False
因此，只需检查“伴侣和家属”是否为“否”并反转掩码：
>>> ~(df['Partner'].eq('No') & df['Dependents'].eq('No'))
0 False
1 True
2 True
3 True
dtype: bool
更简洁的方式：
>>> ~df[['Partner', 'Dependents']].eq('No').all(axis=1)
0 False
1 True
2 True
3 True
dtype: bool
所以你的决赛应该是这样的：
m = df[['Partner', 'Dependents']].eq('Yes').any(axis=1)
conditions = [m, ~m]
使用 numpy，您可以使用：
# val1 for "either dependents, partner, or both" condition
# val2 for "neither partner nor dependents"
df['Target'] = np.where(m, "val1", "val2")
评论