使用多个If-else创建Pandas变量

Question

我需要帮助，想在Pandas中使用多个IF-ELSE语句。我有一个测试数据集（泰坦尼克号），如下所示：

ID  Survived    Pclass  Name    Sex Age
1   0   3   Braund  male    22
2   1   1   Cumings, Mrs.   female  38
3   1   3   Heikkinen, Miss. Laina  female  26
4   1   1   Futrelle, Mrs.  female  35
5   0   3   Allen, Mr.  male    35
6   0   3   Moran, Mr.  male    
7   0   1   McCarthy, Mr.   male    54
8   0   3   Palsson, Master male    2

这里的Id是乘客的编号。我想在这个数据框中创建一个新的标记变量，规则如下：

if Sex=="female" or (Pclass==1 and Age <18) then 1 else 0. 

为了实现这个目标，我尝试了几种方法。首先，我是这样做的：

df=pd.read_csv(data.csv)
for passenger_index,passenger in df.iterrows():
    if passenger['Sex']=="female" or (passenger['Pclass']==1 and passenger['Age']<18):
       df['Prediction']=1
    else:
       df['Prediction']=0

上面的代码问题在于，它在数据框中创建了一个名为Prediction的变量，但所有的值都是0。

不过，如果我用同样的代码，但把结果输出到一个字典中，它就能给出正确的答案，如下所示：

prediction={}
df=pd.read_csv(data.csv)
for passenger_index,passenger in df.iterrows():
    if passenger['Sex']=="female" or (passenger['Pclass']==1 and passenger['Age']<18):
       prediction[passenger['ID']=1
    else:
       prediction[passenger['ID']=0

这会生成一个字典，键是ID，值是根据上述逻辑为1或0。

那么，为什么数据框的变量会出错呢？我甚至尝试先定义一个函数，然后再调用它，结果和第一次一样。

那么，我们该如何在Pandas中做到这一点呢？

其次，我想如果能使用一些多个if-else语句，应该也能实现。我知道np.where，但它不允许添加'and'条件。所以我尝试了这个：

df['Prediction']=np.where(df['Sex']=="female",1,np.where((df['Pclass']==1 and df['Age']<18),1,0)

上面的代码在where中对'and'关键字报错。

所以有人能帮忙吗？如果能提供使用np.where（类似简单的if-else）和一些函数（如applymap等）或对我之前写的内容进行修改的多种解决方案，我将非常感激。

另外，如何使用applymap或apply/map方法来实现相同的功能呢？

Answer 1

与其使用 df.iterrows 一行一行地遍历数据（这样比较慢），不如一次性把想要的值赋给 Prediction 这一列。

In [27]: df['Prediction'] = ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18))).astype('int')

In [29]: df['Prediction']
Out[29]: 
0    0
1    1
2    1
3    1
4    0
5    0
6    0
7    0
Name: Prediction, dtype: int32

---

在你第一种方法中，要记住 df['Prediction'] 代表的是整个 df 的一列，所以 df['Prediction']=1 这行代码会把1赋给这一列的每一行。由于最后一次赋值是 df['Prediction']=0，所以整列最后都变成了0。

在你第二种方法中，要注意使用 & 而不是 and 来对两个 NumPy 数组或 Pandas NDFrames 进行逐个元素的逻辑与操作。因此，你可以使用

In [32]: np.where(df['Sex']=='female', 1, np.where((df['Pclass']==1)&(df['Age']<18), 1, 0))
Out[32]: array([0, 1, 1, 1, 0, 0, 0, 0])

不过我觉得直接用 | 来做逻辑或，用 & 来做逻辑与会简单很多：

In [34]: ((df['Sex']=='female') | ((df['Pclass']==1) & (df['Age']<18)))
Out[34]: 
0    False
1     True
2     True
3     True
4    False
5    False
6    False
7    False
dtype: bool