Vergleichen Sie zwei Spalten mit Pandas

Verwenden Sie dies als Ausgangspunkt:

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

Out[8]: 
  one  two three
0   10  1.2   4.2
1   15  70   0.03
2    8   5     0

Ich möchte so etwas wie eine ifAussage innerhalb von Pandas verwenden.

if df['one'] >= df['two'] and df['one'] <= df['three']:
    df['que'] = df['one']

Überprüfen Sie grundsätzlich jede Zeile über die ifAnweisung und erstellen Sie eine neue Spalte.

Die Dokumente sagen zu verwenden, .allaber es gibt kein Beispiel ...

Sie könnten np.where verwenden . Wenn condes sich um ein boolesches Array handelt und Aund BArrays sind, dann

C = np.where(cond, A, B)

definiert C als gleich Awo condist wahr und Bwo condist falsch.

import numpy as np
import pandas as pd

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

df['que'] = np.where((df['one'] >= df['two']) & (df['one'] <= df['three'])
                     , df['one'], np.nan)

ergibt

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03  NaN
2   8    5     0  NaN

Wenn Sie mehr als eine Bedingung haben, können Sie stattdessen np.select verwenden. Wenn Sie beispielsweise df['que']gleich df['two']wann möchten df['one'] < df['two'], dann

conditions = [
    (df['one'] >= df['two']) & (df['one'] <= df['three']), 
    df['one'] < df['two']]

choices = [df['one'], df['two']]

df['que'] = np.select(conditions, choices, default=np.nan)

ergibt

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03   70
2   8    5     0  NaN

Wenn wir davon ausgehen können, dass df['one'] >= df['two']wenn df['one'] < df['two']Falsch ist, könnten die Bedingungen und Auswahlmöglichkeiten vereinfacht werden

conditions = [
    df['one'] < df['two'],
    df['one'] <= df['three']]

choices = [df['two'], df['one']]

(Die Annahme ist möglicherweise nicht wahr, wenn sie NaNs enthält df['one']oder df['two']enthält.)

Beachten Sie, dass

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

Definiert einen DataFrame mit Zeichenfolgenwerten. Da sie numerisch aussehen, ist es möglicherweise besser, diese Zeichenfolgen in Floats umzuwandeln:

df2 = df.astype(float)

Dies ändert jedoch die Ergebnisse, da Zeichenfolgen zeichenweise verglichen werden, während Gleitkommazahlen numerisch verglichen werden.

In [61]: '10' <= '4.2'
Out[61]: True

In [62]: 10 <= 4.2
Out[62]: False

Sie können .equalsfür Spalten oder ganze Datenrahmen verwenden.

df['col1'].equals(df['col2'])

Wenn sie gleich sind, kehrt diese Aussage True, sonst False.

Sie könnten apply () verwenden und so etwas tun

df['que'] = df.apply(lambda x : x['one'] if x['one'] >= x['two'] and x['one'] <= x['three'] else "", axis=1)

oder wenn Sie kein Lambda verwenden möchten

def que(x):
    if x['one'] >= x['two'] and x['one'] <= x['three']:
        return x['one']
    return ''
df['que'] = df.apply(que, axis=1)

Eine Möglichkeit besteht darin, eine Boolesche Reihe zum Indizieren der Spalte zu verwenden df['one']. Dies gibt Ihnen eine neue Spalte, in der die TrueEinträge den gleichen Wert wie die gleiche Zeile haben df['one']und die FalseWerte sind NaN.

Die Boolesche Reihe wird nur durch Ihre ifAussage angegeben (obwohl es notwendig ist, &statt zu verwenden and):

>>> df['que'] = df['one'][(df['one'] >= df['two']) & (df['one'] <= df['three'])]
>>> df
    one two three   que
0   10  1.2 4.2      10
1   15  70  0.03    NaN
2   8   5   0       NaN

Wenn Sie möchten, dass die NaNWerte durch andere Werte ersetzt werden, können Sie die fillnaMethode für die neue Spalte verwenden que. Ich habe hier 0anstelle der leeren Zeichenfolge verwendet:

>>> df['que'] = df['que'].fillna(0)
>>> df
    one two three   que
0   10  1.2   4.2    10
1   15   70  0.03     0
2    8    5     0     0

Schließen Sie jede einzelne Bedingung in Klammern ein und &kombinieren Sie die Bedingungen mit dem Operator:

df.loc[(df['one'] >= df['two']) & (df['one'] <= df['three']), 'que'] = df['one']

Sie können die nicht übereinstimmenden Zeilen füllen, indem Sie einfach ~(den Operator "nicht") verwenden, um die Übereinstimmung zu invertieren:

df.loc[~ ((df['one'] >= df['two']) & (df['one'] <= df['three'])), 'que'] = ''

Sie müssen &und ~anstelle von andund verwenden, notda die Operatoren &und ~Element für Element arbeiten.

Das Endergebnis:

df
Out[8]: 
  one  two three que
0  10  1.2   4.2  10
1  15   70  0.03    
2   8    5     0  

Verwenden np.selectSie diese Option, wenn Sie mehrere Bedingungen aus dem Datenrahmen überprüfen und eine bestimmte Auswahl in einer anderen Spalte ausgeben möchten

conditions=[(condition1),(condition2)]
choices=["choice1","chocie2"]

df["new column"]=np.select=(condtion,choice,default=)

Hinweis: Die Anzahl der Bedingungen und die Anzahl der Auswahlmöglichkeiten sollten übereinstimmen. Wiederholen Sie den Text in der Auswahl, wenn Sie für zwei verschiedene Bedingungen die gleichen Auswahlmöglichkeiten haben

Ich denke, die Intuition des OP kommt einer Inline-if-Aussage am nächsten:

df['que'] = (df['one'] if ((df['one'] >= df['two']) and (df['one'] <= df['three']))