numpy 带有多个条件的块状“WHERE”

z9gpfhce  于 2022-11-10  发布在  其他
关注(0)|答案(9)|浏览(145)

我尝试将一个新列“Energy_CLASS”添加到 Dataframe “df_Energy”中,它包含字符串“HIGH”,如果“EASSICATION”值>400,则包含字符串“HIGH”;如果“EVERSICE_ENERGY”值在200和400之间,则包含字符串“MEDURE”;如果“EASSICS_ENERGY”值低于200,则包含字符串“Low”。我尝试使用np.where from Numpy,但我发现numpy.where(condition[, x, y])只处理两种情况,而不是像我这样处理3种情况。
有什么办法可以帮我吗?
先谢谢你

jtjikinw

jtjikinw1#

试试这个:使用@Maxu中的设置

col         = 'consumption_energy'
conditions  = [ df2[col] >= 400, (df2[col] < 400) & (df2[col]> 200), df2[col] <= 200 ]
choices     = [ "high", 'medium', 'low' ]

df2["energy_class"] = np.select(conditions, choices, default=np.nan)

  consumption_energy energy_class
0                 459         high
1                 416         high
2                 186          low
3                 250       medium
4                 411         high
5                 210       medium
6                 343       medium
7                 328       medium
8                 208       medium
9                 223       medium
vybvopom

vybvopom2#

您可以使用ternary

np.where(consumption_energy > 400, 'high', 
         (np.where(consumption_energy < 200, 'low', 'medium')))
zynd9foi

zynd9foi3#

我喜欢保持代码的整洁。这就是为什么我更喜欢np.vectorize来完成这类任务。

def conditions(x):
    if   x > 400:   return "High"
    elif x > 200:   return "Medium"
    else:           return "Low"

func         = np.vectorize(conditions)
energy_class = func(df_energy["consumption_energy"])

然后,只需使用以下命令将NumPy数组添加为 Dataframe 中的一列:

df_energy["energy_class"] = energy_class

这种方法的优点是,如果您希望向列添加更复杂的约束,可以很容易地完成。希望能有所帮助。

ttisahbt

ttisahbt4#

我在这里使用cut()方法,它将生成非常高效且节省内存的category dtype:

In [124]: df
Out[124]:
   consumption_energy
0                 459
1                 416
2                 186
3                 250
4                 411
5                 210
6                 343
7                 328
8                 208
9                 223

In [125]: pd.cut(df.consumption_energy,
                 [0, 200, 400, np.inf],
                 labels=['low','medium','high']
          )
Out[125]:
0      high
1      high
2       low
3    medium
4      high
5    medium
6    medium
7    medium
8    medium
9    medium
Name: consumption_energy, dtype: category
Categories (3, object): [low < medium < high]
zphenhs4

zphenhs45#

警告:小心nans

始终要注意,如果您的数据缺少值,np.where可能会很难使用,并且可能会无意中给出错误的结果。
请考虑以下情况:

df['cons_ener_cat'] = np.where(df.consumption_energy > 400, 'high', 
         (np.where(df.consumption_energy < 200, 'low', 'medium')))

# if we do not use this second line, then

# if consumption energy is missing it would be shown medium, which is WRONG.

df.loc[df.consumption_energy.isnull(), 'cons_ener_cat'] = np.nan

或者,您可以使用一个或多个嵌套的np.where作为Medium,而不是NaN,这会很难看。
我觉得最好的办法是pd.cut。它处理NAN,并且易于使用。

示例:

import numpy as np
import pandas as pd
import seaborn as sns

df = sns.load_dataset('titanic')

# pd.cut

df['age_cat'] = pd.cut(df.age, [0, 20, 60, np.inf], labels=['child','medium','old'])

# manually add another line for nans

df['age_cat2'] = np.where(df.age > 60, 'old', (np.where(df.age <20, 'child', 'medium')))
df.loc[df.age.isnull(), 'age_cat'] = np.nan

# multiple nested where

df['age_cat3'] = np.where(df.age > 60, 'old',
                         (np.where(df.age <20, 'child',
                                   np.where(df.age.isnull(), np.nan, 'medium'))))

# outptus

print(df[['age','age_cat','age_cat2','age_cat3']].head(7))
    age age_cat age_cat2 age_cat3
0  22.0  medium   medium   medium
1  38.0  medium   medium   medium
2  26.0  medium   medium   medium
3  35.0  medium   medium   medium
4  35.0  medium   medium   medium
5   NaN     NaN   medium      nan
6  54.0  medium   medium   medium
pgx2nnw8

pgx2nnw86#

试试这个:即使consumption_energy包含空值,也不用担心。

def egy_class(x):
    '''
    This function assigns classes as per the energy consumed.
    ''' 
    return ('high' if x>400 else
             'low' if x<200 else 'medium')
chk = df_energy.consumption_energy.notnull()
df_energy['energy_class'] = df_energy.consumption_energy[chk].apply(egy_class)
a64a0gku

a64a0gku7#

让我们首先使用01000之间的1000000随机数创建 Dataframe 作为测试

df_energy = pd.DataFrame({'consumption_energy': np.random.randint(0, 1000, 1000000)})

[Out]:

   consumption_energy
0                 683
1                 893
2                 545
3                  13
4                 768
5                 385
6                 644
7                 551
8                 572
9                 822

简单介绍一下 Dataframe

print(df.energy.describe())

[Out]:
       consumption_energy
count      1000000.000000
mean           499.648532
std            288.600140
min              0.000000
25%            250.000000
50%            499.000000
75%            750.000000
max            999.000000

实现这一目标的方法多种多样,例如:
1.使用numpy.where

df_energy['energy_class'] = np.where(df_energy['consumption_energy'] > 400, 'high', np.where(df_energy['consumption_energy'] > 200, 'medium', 'low'))

1.使用numpy.select

df_energy['energy_class'] = np.select([df_energy['consumption_energy'] > 400, df_energy['consumption_energy'] > 200], ['high', 'medium'], default='low')

1.使用numpy.vectorize

df_energy['energy_class'] = np.vectorize(lambda x: 'high' if x > 400 else ('medium' if x > 200 else 'low'))(df_energy['consumption_energy'])

1.使用pandas.cut

df_energy['energy_class'] = pd.cut(df_energy['consumption_energy'], bins=[0, 200, 400, 1000], labels=['low', 'medium', 'high'])

1.使用Python的内置模块

def energy_class(x):
  if x > 400:
      return 'high'
  elif x > 200:
      return 'medium'
  else:
      return 'low'

df_energy['energy_class'] = df_energy['consumption_energy'].apply(energy_class)

1.使用lambda函数

df_energy['energy_class'] = df_energy['consumption_energy'].apply(lambda x: 'high' if x > 400 else ('medium' if x > 200 else 'low'))

时间对比

在我做过的所有测试中,通过使用time.perf_counter()(for other ways to measure time of execution see this)测量时间,pandas.cut是最快的方法。

method      time
0                   np.where()  0.124139
1                  np.select()  0.155879
2            numpy.vectorize()  0.452789
3                 pandas.cut()  0.046143
4  Python's built-in functions  0.138021
5              lambda function   0.19081

备注:

xghobddn

xghobddn8#

我再次使用np.vetorize。它比np.where快得多,在代码方面也更干净。使用更大的数据集,你绝对可以看出速度的加快。您可以对条件条件以及这些条件的输出使用词典格式。


# Vectorizing with numpy

row_dic = {'Condition1':'high',
          'Condition2':'medium',
          'Condition3':'low',
          'Condition4':'lowest'}

def Conditions(dfSeries_element,dictionary):
    '''
    dfSeries_element is an element from df_series 
    dictionary: is the dictionary of your conditions with their outcome
    '''
    if dfSeries_element in dictionary.keys():
        return dictionary[dfSeries]

def VectorizeConditions():
    func = np.vectorize(Conditions)
    result_vector = func(df['Series'],row_dic)
    df['new_Series'] = result_vector

    # running the below function will apply multi conditional formatting to your df
VectorizeConditions()
ztmd8pv5

ztmd8pv59#

myassign["assign3"]=np.where(myassign["points"]>90,"genius",(np.where((myassign["points"]>50) & (myassign["points"]<90),"good","bad"))

当您只想使用“where”方法但有多个条件时。我们可以通过添加更多(np.where)来添加更多条件,方法与上面相同。再说一次,最后两个将是你想要的。

相关问题