熊猫DataFrame提供了一个很好的查询能力。
什么你正在尝试做的可以简单地用做:
# Set a default value
df['Age_Group'] = '<40'
# Set Age_Group value for all row indexes which Age are greater than 40
df['Age_Group'][df['Age'] > 40] = '>40'
# Set Age_Group value for all row indexes which Age are greater than 18 and < 40
df['Age_Group'][(df['Age'] > 18) & (df['Age'] < 40)] = '>18'
# Set Age_Group value for all row indexes which Age are less than 18
df['Age_Group'][df['Age'] < 18] = '<18'
这里的查询是数据帧的一个强大的工具,可以让你操纵数据框,因为你需要。
对于更复杂的条件语句,你可以通过封装在括号中的每个条件,并将它们与布尔运算符分隔指定多个条件(例如“&”或“|”)
你也可以在这里看到这样的用于设置> 18的第二个条件语句。
编辑:
您可以阅读更多有关数据帧的索引和条件:
http://pandas.pydata.org/pandas-docs/dev/indexing.html#index-objects
编辑:
要看看它是如何工作的:
>>> d = {'Age' : pd.Series([36., 42., 6., 66., 38.]) }
>>> df = pd.DataFrame(d)
>>> df
Age
0 36
1 42
2 6
3 66
4 38
>>> df['Age_Group'] = '<40'
>>> df['Age_Group'][df['Age'] > 40] = '>40'
>>> df['Age_Group'][(df['Age'] > 18) & (df['Age'] < 40)] = '>18'
>>> df['Age_Group'][df['Age'] < 18] = '<18'
>>> df
Age Age_Group
0 36 >18
1 42 >40
2 6 <18
3 66 >40
4 38 >18
编辑:
要看看如何做到这一点没有链接[使用EdChums方法]。
>>> df['Age_Group'] = '<40'
>>> df.loc[df['Age'] < 40,'Age_Group'] = '<40'
>>> df.loc[(df['Age'] > 18) & (df['Age'] < 40), 'Age_Group'] = '>18'
>>> df.loc[df['Age'] < 18,'Age_Group'] = '<18'
>>> df
Age Age_Group
0 36 >18
1 42 <40
2 6 <18
3 66 <40
4 38 >18
你不应该使用链式分配:http://pandas.pydata.org/pandas-docs/stable/indexing.html #indexing-view-versus-copy你应该做'df.loc [df ['Age']> 40,'Age_Group'] ='> 40'' – EdChum
这是真的。如果更新的条件和列被切换,它不会更新数据帧,而是将被删除的副本,因为它永远不会回到原始数据帧。但是,只要要更新的列首先出现,那么使用.loc的效果就会相同。但是,我的方式更容易让一个新来熊猫的人困扰。 –
谢谢 - 我有两种方法可以工作,但是我会采用非链式方法,因为我认为它是更安全的方式。2 – user3302483