Haz todo lo posible por entender el código bien antes de aplicarlo a tu trabajo y si tdeseas aportar algo puedes dejarlo en la sección de comentarios.
Ejemplo 1: los pandas crean una nueva columna basada en la condición de dos columnas
conditions =[
df['gender'].eq('male')& df['pet1'].eq(df['pet2']),
df['gender'].eq('female')& df['pet1'].isin(['cat','dog'])]
choices =[5,5]
df['points']= np.select(conditions, choices, default=0)print(df)
gender pet1 pet2 points
0 male dog dog 51 male cat cat 52 male dog cat 03 female cat squirrel 54 female dog dog 55 female squirrel cat 06 squirrel dog cat 0
Ejemplo 2: Python crea condicionalmente una nueva columna en el marco de datos de pandas
# If you only have one condition use numpy.where()# Example usage with np.where:
df = pd.DataFrame('Type':list('ABBC'),'Set':list('ZZXY'))# Define dfprint(df)
Type Set
0 A Z
1 B Z
2 B X
3 C Y
# Add new column based on single condition:
df['color']= np.where(df['Set']=='Z','green','red')print(df)
Type Set color
0 A Z green
1 B Z green
2 B X red
3 C Y red
# If you have multiple conditions use numpy.select()# Example usage with np.select:
df = pd.DataFrame('Type':list('ABBC'),'Set':list('ZZXY'))# Define dfprint(df)
Type Set
0 A Z
1 B Z
2 B X
3 C Y
# Set the conditions for determining values in new column:
conditions =[(df['Set']=='Z')&(df['Type']=='A'),(df['Set']=='Z')&(df['Type']=='B'),(df['Type']=='B')]# Set the new column values in order of the conditions they should# correspond to:
choices =['yellow','blue','purple']# Add new column based on conditions and choices:
df['color']= np.select(conditions, choices, default='black')print(df)# Returns:
Set Type color
0 Z A yellow
1 Z B blue
2 X B purple
3 Y C black
Recuerda que puedes difundir esta noticia si si solucionó tu problema.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)