在Pandas DataFrame中应用IF条件的5种方法 _PandasDataFrame如何使用IF条件

在本指南中，你将看到在 Pandas DataFrame中应用IF条件的5种不同方法。具体来说，你将看到Pandas DataFrame应用IF条件的方法：

一组数字
一组数字和 lambda
字符串
字符串和 Lambada
或条件

在 Pandas DataFrame中应用IF条件现在让我们回顾以下 5 个案例：(1) IF 条件 – 一组数字
Pandas DataFrame如何使用IF条件？假设你在 Python中创建了一个具有 10 个数字（从 1 到 10）的 DataFrame。然后，你要应用以下 IF 条件：

如果数字等于或小于 4，则赋值为 'True'
否则，如果数字大于4，则赋值为 'False'

这是你可以用来创建 IF 条件的一般结构：

df.loc[ df[ 'column name'] condition, 'new column name'] = 'value if condition is met'

对于我们的Pandas DataFrame IF条件用法示例，Python 代码如下所示：

import pandas as pdnumbers = {'set_of_numbers': [ 1,2,3,4,5,6,7,8,9,10]} df = pd.DataFrame(numbers,columns=[ 'set_of_numbers'])df.loc[ df[ 'set_of_numbers'] < = 4, 'equal_or_lower_than_4?'] = 'True' df.loc[ df[ 'set_of_numbers'] > 4, 'equal_or_lower_than_4?'] = 'False' print (df)

这是你将在 Python 中得到的结果：

set_of_numbersequal_or_lower_than_4? 01True 12True 23True 34True 45False 56False 67False 78False 89False 910False

(2) IF 条件 – 一组数字和 lambda
你现在将看到如何通过使用Lambada获得与案例 1 相同的结果，其中条件是：

如果数字等于或小于 4，则赋值为 'True'
否则，如果数字大于4，则赋值为 'False'

这是你可以在 Python 中应用的通用结构：

df[ 'new column name'] = df[ 'column name'].apply(lambda x: 'value if condition is met' if x condition else 'value if condition is not met')

对于我们的Pandas DataFrame IF条件用法示例：

import pandas as pdnumbers = {'set_of_numbers': [ 1,2,3,4,5,6,7,8,9,10]} df = pd.DataFrame(numbers,columns=[ 'set_of_numbers'])df[ 'equal_or_lower_than_4?'] = df[ 'set_of_numbers'].apply(lambda x: 'True' if x < = 4 else 'False')print (df)

这是你将得到的结果，与案例 1 匹配：

set_of_numbersequal_or_lower_than_4? 01True 12True 23True 34True 45False 56False 67False 78False 89False 910False

(3) IF 条件——字符串
现在，让我们创建一个仅包含具有 4 个 名称的字符串/文本的 DataFrame ：Jon、Bill、Maria 和 Emma。条件是：

如果名称等于'Bill'，则分配值 'Match'
否则，如果名称不是 'Bill'，则分配值 'Mismatch'

import pandas as pdnames = {'first_name': [ 'Jon','Bill','Maria','Emma']} df = pd.DataFrame(names,columns=[ 'first_name'])df.loc[ df[ 'first_name'] == 'Bill', 'name_match'] = 'Match' df.loc[ df[ 'first_name'] != 'Bill', 'name_match'] = 'Mismatch' print (df)

运行上述 Python 代码后，你将看到：

first_namename_match 0JonMismatch 1BillMatch 2MariaMismatch 3EmmaMismatch

(4) IF 条件——字符串和lambda
Pandas DataFrame应用IF条件的方法：使用lambda，你将获得与情况 3 相同的结果：

import pandas as pdnames = {'first_name': [ 'Jon','Bill','Maria','Emma']} df = pd.DataFrame(names,columns=[ 'first_name'])df[ 'name_match'] = df[ 'first_name'].apply(lambda x: 'Match' if x == 'Bill' else 'Mismatch')print (df)

这是 Python 的输出：

first_namename_match 0JonMismatch 1BillMatch 2MariaMismatch 3EmmaMismatch

(5) IF 条件与 OR
Pandas DataFrame如何使用IF条件？在最后一种情况下，让我们应用以下条件：

如果名称是“Bill” 或“Emma”，则分配“Match”的值
否则，如果名称既不是 'Bill' 也不是 'Emma'，则赋值为 'Mismatch'

Pandas DataFrame IF条件用法示例如下：

import pandas as pdnames = {'first_name': [ 'Jon','Bill','Maria','Emma']} df = pd.DataFrame(names,columns=[ 'first_name'])df.loc[ (df[ 'first_name'] == 'Bill') | (df[ 'first_name'] == 'Emma'), 'name_match'] = 'Match' df.loc[ (df[ 'first_name'] != 'Bill') & (df[ 'first_name'] != 'Emma'), 'name_match'] = 'Mismatch'print (df)

运行 Python 代码，你将得到以下结果：

first_namename_match 0JonMismatch 1BillMatch 2MariaMismatch 3EmmaMatch

在现有DataFrame 列下应用 IF 条件到目前为止，你已经了解了如何通过创建新列来应用 IF 条件。或者，你可以将结果存储在现有的DataFrame 列下。Pandas DataFrame应用IF条件的方法：例如，假设你创建了一个包含 12 个数字的 DataFrame，其中最后两个数字为零：'set_of_numbers': [1,2,3,4,5,6,7,8,9,10, 0 , 0 ]然后，你可以应用以下 IF 条件，然后将结果存储在现有的“set_of_numbers”列下：

如果数字等于 0，则将值更改为 999
如果数字等于 5，则将值更改为 555

import pandas as pdnumbers = {'set_of_numbers': [ 1,2,3,4,5,6,7,8,9,10,0,0]} df = pd.DataFrame(numbers,columns=[ 'set_of_numbers']) print (df)df.loc[ df[ 'set_of_numbers'] == 0, 'set_of_numbers'] = 999 df.loc[ df[ 'set_of_numbers'] == 5, 'set_of_numbers'] = 555print (df)

以下是之前和之后的结果，在现有的“set_of_numbers”列下，“5”变为“555”，“0”变为“999”：前：

set_of_numbers 01 12 23 34 45 56 67 78 89 910 100 110

后：

set_of_numbers 01 12 23 34 4555 56 67 78 89 910 10999 11999

在另一个实例中，你可能有一个包含NaN 值的 DataFrame 。然后，你可以应用 IF 条件将这些值替换为 zeros，如下例所示：

import pandas as pd import numpy as npnumbers = {'set_of_numbers': [ 1,2,3,4,5,6,7,8,9,10,np.nan,np.nan]} df = pd.DataFrame(numbers,columns=[ 'set_of_numbers']) print (df)df.loc[ df[ 'set_of_numbers'].isnull(), 'set_of_numbers'] = 0 print (df)

在你看到 NaN 值之前，以及在你看到零值之后：前：

set_of_numbers 01.0 12.0 23.0 34.0 45.0 56.0 67.0 78.0 89.0 910.0 10NaN 11NaN

后：

set_of_numbers 01.0 12.0 23.0 34.0 45.0 56.0 67.0 78.0 89.0 910.0 100.0 110.0

结论Pandas DataFrame如何使用IF条件？你刚刚看到了如何在Pandas DataFrame中应用IF条件。在 Python 中确实有多种方法可以应用这样的条件。你可以通过使用Lambada 或仅坚持使用 Pandas来获得相同的结果。最后，它归结为使用最适合你需求的方法。最后，你可能需要查看以下外部资源以获取有关Pandas DataFrame 的其他信息。