Pandas如何新增一列并按条件赋值？

原创已于 2023-05-06 08:32:47 修改 · 4.8k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#pandas #python #数据分析

于 2023-05-06 08:32:24 首次发布

python 专栏收录该内容

87 篇文章

订阅专栏

文章介绍了如何在PandasDataFrame中使用apply方法结合lambda表达式，根据某列值（如list列）的条件来为新列（new_col）赋值。当list列为空时，新列值设为0；否则，新列值取amount列的对应值。这展示了Pandas处理数据的灵活性。

在Pandas中，我们经常需要根据某列的值来 conditional 地给其他列赋值。今天我们来看一个示例，对DataFrame新增一列，要求：

如果list列为空，则新列值为0
如果list列不为空，则新列值为amount列对应行的值

要实现这个条件赋值，我们可以使用Pandas的apply方法。apply方法可以对DataFrame中的每一行应用一个函数，并将函数的返回值 Assign 到新列中。

具体实现代码如下:

import pandas as pd

df = pd.DataFrame({
    'id': [1， 2， 3]，
    'list': [[]， [1， 2]， [3]]，
    'amount': [0， 10， 20] 
})

# 定义lambda函数，list为空则返回0，否则返回amount值
df['new_col'] = df.apply(lambda row: 0 if not row['list'] else row['amount']， axis=1)

print(df)

# 输出:
   id  list  amount  new_col
0   1   []       0        0  
1   2  [1， 2]     10       10 
2   3   [3]      20       20

在lambda表达式中，我们判断list列是否为空，如果为空则返回0，否则返回amount列对应的值。
这样apply方法就可以根据我们的条件，把返回的值赋给新列new_col。

通过这个示例，我们学习到Pandas中如何使用apply方法实现条件赋值的方法。apply结合lambda表达式可以灵活地对DataFrame中的数据进行各种运算和处理，是 Pandas 中一个非常有用的工具