如何计算pandas数据框中bool和float列的新矢量化列？

我的数据帧具有浮点和布尔的混合：如何计算pandas数据框中bool和float列的新矢量化列？

df = pd.DataFrame.from_csv("C:\....") 

df['isActive'] = (df.turns >= 250) & (df.alivePct > 0) & (df.changePct > 0)

我想创建一个新的列，其中，如果isActive == false，则值= 0，否则值等于一些计算量的，是这样的：

df['interestingness'] = (df.changePct * df.alivePct) if df.isActive else 0

但是因为df.isActive是一个系列，我得到这个错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

看来，三元的if/else操作员不能用于矢量化操作。

我该怎么做手动迭代呢？

（注：一个简单的黑客是通过df.isActive多次将其值设置为0为假== 0，但是我想知道一个更通用的解决方案。）

来源

2014-11-06 Brendan Hill

你是什么更普遍的是什么意思？另外，为什么它是黑客？它不会真正得到更多的普遍/比乘法少hacky ... – acushner 2014-11-06 15:40:15

也，我的意思是，我看到你的关注，如“如果布尔人不是0和1？”但我会想，是的，只是将它们转换成零和一个，然后返回乘法。 'np.where'解决方案也不错。 – acushner 2014-11-06 15:44:17

你可以使用np.where：

import numpy as np 
df['interestingness'] = np.where(df.isActive, df.changePct * df.alivePct, 0)

对于一维数组，np.where(condition, A, B)经过矢量相当于

np.array([a if c else b for a,b,c in zip(condition, A, B)])

熊猫还提供了一个Series.where方法，你可以使用：

df['interestingness'] = (df.changePct * df.alivePct).where(df.isActive, 0)

来源

2014-11-06 12:54:23 unutbu

不同的解决方案，也许还不如读，但是作品。

创建新列/系列：

>>> df 
    0  1 2 
0 1 True 9 
1 2 False 9 
2 3 True 9 
3 4 False 9 
4 5 True 9 
>>> df[3] = 0

使用口罩

>>> mask = df[1] 
>>> df[3][mask] = (df[0] * df[2])[mask] 
>>> df 
    0  1 2 3 
0 1 True 9 9 
1 2 False 9 0 
2 3 True 9 27 
3 4 False 9 0 
4 5 True 9 45 
>>>

来源

2014-11-06 13:28:28 wwii

如何计算pandas数据框中bool和float列的新矢量化列？

回答

相关问题