使用多个熊猫列应用函数?[复制品]

你可以使用 apply 具有 axis=1 . 假设你想给你的新专栏打电话 c :

df['c'] = df.apply(
    lambda row: (row['letter'] == 'a') and (row['number'] == 2),
    axis=1
).astype(int)

print(df)
#  letter  number  c
#0      a     NaN  0
#1      a     1.0  0
#2      a     1.0  0
#3      a     2.0  1
#4      b     2.0  0
#5      b     2.0  0
#6      c     3.0  0

但是 应用 是缓慢的,如果可能的话应该避免。在这种情况下,对布尔逻辑操作进行矢量化会更好。

df['c'] = ((df['letter'] == "a") & (df['number'] == 2)).astype(int)

这与使用 应用 上面。

您可以尝试使用pd.series.where()/np.where()。如果您只对布尔值的int表示感兴趣,可以选择另一个解决方案。如果您希望if/else值有更多的自由,可以使用np.where()

import pandas as pd
import numpy as np

# create example
values = ['a', 'b', 'c']
df = pd.DataFrame()
df['letter'] = np.random.choice(values, size=10)
df['number'] = np.random.randint(1,3, size=10)

# condition
df['result'] = np.where((df['letter'] == 'a') & (df['number'] == 2), 1, 0)