Skip to main content
 首页 » 编程设计

python之根据条件创建 Pandas Dataframe 的更好方法

2025年02月15日10rubylouvre

我的任务是根据其他 Dataframes 中的条件创建 Dataframes。

我已经用同样的方法做了大约一个星期了,但我很好奇是否有更好的方法。我偶然发现了This Example .现在我知道他使用的示例是根据条件创建一个单独的列,但这让我想知道我的代码是否可以改进。

为了便于使用,这里是链接中代码的简化版本:

import pandas as pd 
import numpy as np 
 
raw_data = {'student_name': ['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze', 'Jacon', 'Ryaner', 'Sone', 'Sloan', 'Piger', 'Riani', 'Ali'],  
        'test_score': [76, 88, 84, 67, 53, 96, 64, 91, 77, 73, 52, np.NaN]} 
df = pd.DataFrame(raw_data, columns = ['student_name', 'test_score']) 
 
print(df) 
 
grades = [] 
 
for row in df['test_score']: 
    if row > 59: 
        grades.append('Pass') 
    else: 
        grades.append('fail') 
df['grades'] = grades 
print(df) 
 
   student_name  test_score grades 
0        Miller        76.0   Pass 
1      Jacobson        88.0   Pass 
2           Ali        84.0   Pass 
3        Milner        67.0   Pass 
4         Cooze        53.0   fail 
5         Jacon        96.0   Pass 
6        Ryaner        64.0   Pass 
7          Sone        91.0   Pass 
8         Sloan        77.0   Pass 
9         Piger        73.0   Pass 
10        Riani        52.0   fail 
11          Ali         NaN   fail 

继续上面的例子,如果我不想做一个“成绩”列,而是想要一个包含所有通过考试的人的数据框。我个人会这样做:

pass_df = df[df['test_score'] > 59] 
print(pass_df) 

是否有更好的方式来做到这一点?

请您参考如下方法:

可以使用 np.where 更好地分配新列.

df['grades'] = np.where(df.test_score > 59, 'Pass', 'fail') 

对于测试分数大于 59 的索引,您的方法是标准的,但是如果您打算将结果视为其自己的 DataFrame,您将需要调用 .copy()。

演示

>>> df['grades'] = np.where(df.test_score > 59, 'Pass', 'fail') 
 
>>> df 
   student_name  test_score grades 
0        Miller        76.0   Pass 
1      Jacobson        88.0   Pass 
2           Ali        84.0   Pass 
3        Milner        67.0   Pass 
4         Cooze        53.0   fail 
5         Jacon        96.0   Pass 
6        Ryaner        64.0   Pass 
7          Sone        91.0   Pass 
8         Sloan        77.0   Pass 
9         Piger        73.0   Pass 
10        Riani        52.0   fail 
11          Ali         NaN   fail