vectorisation de la cession conditionnelle dans les pandas dataframe

Si j'ai un dataframe df avec la colonne x et que vous souhaitez créer la colonne y fondée sur des valeurs de x à l'aide de cette pseudo-code

 if df['x'] <-2 then df['y'] = 1 
 else if df['x'] > 2 then df['y']= -1 
 else df['y'] = 0

comment pourrais-je atteindre cet objectif. Je suppose np.où est la meilleure façon de le faire, mais vous ne savez pas comment le coder correctement.

Remarque, il va y avoir un autre moyen de le faire avec la méthode assign() dans les pandas 16.0 (à cause de tout les jours maintenant?) semblable à dplyr muter: pandas-docs.github.io/pandas-docs-travis/...

OriginalL'auteur azuric | 2015-03-06

  1. 21

    Une méthode simple consisterait à attribuer la valeur par défaut en premier et ensuite effectuer 2 loc appels:

    In [66]:

df = pd.DataFrame({'x':[0,-3,5,-1,1]})
df
Out[66]:
   x
0  0
1 -3
2  5
3 -1
4  1

In [69]:

df['y'] = 0
df.loc[df['x'] < -2, 'y'] = 1
df.loc[df['x'] > 2, 'y'] = -1
df
Out[69]:
   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

    Si vous souhaitez utiliser np.where alors vous pourriez le faire avec un imbriquée np.where:

    In [77]:

df['y'] = np.where(df['x'] < -2 , 1, np.where(df['x'] > 2, -1, 0))
df
Out[77]:
   x  y
0  0  0
1 -3  1
2  5 -1
3 -1  0
4  1  0

    Donc, ici, nous définissons la première condition que lorsque x est inférieur à -2, retour 1, puis nous avons un autre np.where qui teste l'autre état où x est plus grand que 2 et renvoie -1, sinon retourner 0

    timings

    In [79]:

%timeit df['y'] = np.where(df['x'] < -2 , 1, np.where(df['x'] > 2, -1, 0))

1000 loops, best of 3: 1.79 ms per loop

In [81]:

%%timeit
df['y'] = 0
df.loc[df['x'] < -2, 'y'] = 1
df.loc[df['x'] > 2, 'y'] = -1

100 loops, best of 3: 3.27 ms per loop

    Donc, pour cet échantillon de données, la np.where méthode est deux fois plus rapide

    ce qui est logique, merci
    est-ce de travailler avec des chaînes de caractères? Je vais avoir un huuuuge revers ici...
    en principe oui, mais de répondre à des questions dans les commentaires qui est contre-productif, vous devriez poster une question réelle avec les données et les horaires pour que les autres à reproduire vos problèmes de performances.

    OriginalL'auteur EdChum