根据两个字符串值评估大熊猫数据框

Question

我有一个包含名为“OPINION”的列的Pandas DataFrame“table”，填充字符串值。我想创建一个名为“cond5”的新列，其中“OPINION”为“买入”或“中性”的每一行填充TRUE。

我已经试过

table["cond5"]= table.OPINION == "buy" or table.OPINION == "neutral" 

这给了我一个错误，并

table["cond5"]= table.OPINION.all() in ("buy", "neutral") 

返回FALSE所有行。

Answer 1

正如爱德密友指出，你可以使用isin method：

table['cond5'] = table['OPINION'].isin(['buy', 'neutral']) 

isin检查确切的平等。也许这将是最简单和最易读的。

---

要解决

table["cond5"] = table.OPINION == "buy" or table.OPINION == "neutral" 

使用

table["cond5"] = (table['OPINION'] == "buy") | (table['OPINION'] == "neutral") 

括号是必要的，因为|具有higher precedence (binding power)比==。

x or y要求x和y是布尔值。

(table['OPINION'] == "buy") or (table['OPINION'] == "neutral") 

自从Series can no be reduced to a single boolean value产生错误。

因此改为使用逻辑运算符或运算符|，它以系列元素的方式取值为or。

---

另一个替代方案是

import numpy as np 
table["cond5"] = np.logical_or.reduce([(table['OPINION'] == val) for val in ('buy', 'neutral')]) 

如果('buy', 'neutral')是一个较长的元组可能是有用的。

---

又一选择是使用大熊猫vectorized string method, str.contains：

table["cond5"] = table['OPINION'].str.contains(r'buy|neutral') 

str.contains执行用于在一个循环Cythonized在table['OPINION']每个项的图案r'buy|neutral'一个正则表达式的搜索。

---

现在如何决定使用哪一个？下面是使用IPython一个timeit基准：

In [10]: table = pd.DataFrame({'OPINION':np.random.choice(['buy','neutral','sell',''], size=10**6)}) 

In [11]: %timeit (table['OPINION'] == "buy") | (table['OPINION'] == "neutral") 
10 loops, best of 3: 121 ms per loop 

In [12]: %timeit np.logical_or.reduce([(table['OPINION'] == val) for val in ('buy', 'neutral')]) 
1 loops, best of 3: 204 ms per loop 

In [13]: %timeit table['OPINION'].str.contains(r'buy|neutral') 
1 loops, best of 3: 474 ms per loop 

In [14]: %timeit table['OPINION'].isin(['buy', 'neutral']) 
10 loops, best of 3: 40 ms per loop 

所以看起来isin最快。