Сравнение двух столбцов с помощью панды

используя это в качестве отправной точки:

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

Out[8]: 
  one  two three
0   10  1.2   4.2
1   15  70   0.03
2    8   5     0

Я хочу использовать что-то вроде if заявление в панд. 

if df['one'] >= df['two'] and df['one'] <= df['three']:
    df['que'] = df['one']

в основном, проверьте каждую строку через if заявление, создать новый столбец.

документы говорят использовать .all но примера нет...

31
dataframe if-statement pandas python

6 ответов

можно использовать np.где. Если cond является логическим массивом и A и B - массивы, то

C = np.where(cond, A, B)

определяет C равным A здесь cond верно, и B здесь cond ложно.

import numpy as np
import pandas as pd

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

df['que'] = np.where((df['one'] >= df['two']) & (df['one'] <= df['three'])
                     , df['one'], np.nan)

доходность

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03  NaN
2   8    5     0  NaN

если у вас есть более одного условия, то вы можете использовать np.выберите. Например, если вы хотите df['que'] равной df['two'], когда df['one'] < df['two'], тогда

conditions = [
    (df['one'] >= df['two']) & (df['one'] <= df['three']), 
    df['one'] < df['two']]

choices = [df['one'], df['two']]

df['que'] = np.select(conditions, choices, default=np.nan)

доходность

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03   70
2   8    5     0  NaN

если мы предположим, что df['one'] >= df['two'], когда df['one'] < df['two'] is False, тогда условия и выбор могут быть упрощены до

conditions = [
    df['one'] < df['two'],
    df['one'] <= df['three']]

choices = [df['two'], df['one']]

(предположение может быть неверным, если df['one'] или df['two'] содержать NaNs.)

обратите внимание, что 

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

определяет фрейм данных со строковыми значениями. Поскольку они выглядят числовыми, вам может быть лучше преобразовать эти строки в поплавки:

df2 = df.astype(float)

это изменяет результаты, однако, так как строки сравнивают символ за символом, а поплавки сравниваются численно.

In [61]: '10' <= '4.2'
Out[61]: True

In [62]: 10 <= 4.2
Out[62]: False
49

можно использовать .equals для столбца или всей Таблицы данных.

df['col1'].equals(df['col2'])

если они равны, это утверждение вернется True, else False.

22

вы можете использовать apply () и сделать что-то вроде этого

df['que'] = df.apply(lambda x : x['one'] if x['one'] >= x['two'] and x['one'] <= x['three'] else "", axis=1)

или если вы предпочитаете не использовать лямбда 

def que(x):
    if x['one'] >= x['two'] and x['one'] <= x['three']:
        return x['one']
    else:
        ''
df['que'] = df.apply(que, axis=1)
18

один из способов-использовать логический ряд для индексации столбца df['one']. Это дает вам новый столбец, где True записи имеют то же значение, что и строка df['one'] и False значения NaN.

логический ряд просто задается вашим if заявление (хотя необходимо использовать & вместо and):

>>> df['que'] = df['one'][(df['one'] >= df['two']) & (df['one'] <= df['three'])]
>>> df
    one two three   que
0   10  1.2 4.2      10
1   15  70  0.03    NaN
2   8   5   0       NaN

если вы хотите NaN значения, которые будут заменены другими значениями, вы можете использовать fillna метод на новый колонка que. Я использовал 0 вместо пустой строки здесь:

>>> df['que'] = df['que'].fillna(0)
>>> df
    one two three   que
0   10  1.2   4.2    10
1   15   70  0.03     0
2    8    5     0     0
7

оберните каждое отдельное условие в скобки, а затем используйте & оператор для объединения условий:

df.loc[(df['one'] >= df['two']) & (df['one'] <= df['three']), 'que'] = df['one']

вы можете заполнить несоответствующие строки, просто используя ~ (оператор" не") для инвертирования соответствия:

df.loc[~ ((df['one'] >= df['two']) & (df['one'] <= df['three'])), 'que'] = ''

вам нужно использовать & и ~, а не and и not потому что & и ~ операторы работают элемент за элементом.

окончательный результат:

df
Out[8]: 
  one  two three que
0  10  1.2   4.2  10
1  15   70  0.03    
2   8    5     0
4

Я думаю, что наиболее близким к интуиции OP является встроенный оператор if:

df['que'] = (df['one'] if ((df['one'] >= df['two']) and (df['one'] <= df['three']))
0