根据dataframe中特定列中的值添加列

Question

我试图操纵我的数据帧，但是，我搜索了一段时间，没有找到答案。如果这个问题重复，我真诚地向你道歉

我有这样一个数据帧（df）：

import pandas as pd
data = {'A': ['Emo/3', 'Emo/4', 'Emo/1', '', 'Neu/5', 'Neu/2'],
        'Height': [5.1, 6.2, 5.1,'', 5.2, 5.2],
        }
df = pd.DataFrame(data)
df

    A       Height
0   Emo/3   5.1
1   Emo/4   6.2
2   Emo/1   5.1
3       
4   Neu/5   5.2
5   Neu/2   5.2

我想添加另一列“B”，以便“B”的值基于列“A”。如果a列中的一行包含某个字符串，则B列中的同一行将是一个数字：例如，如果a列中的“Emo/”，则B列为0。如果列中的行为空，则同一行中的colmn B也为空。输出应如下所示：

    A      Height   B
0   Emo/3   5.1     0
1   Emo/4   6.2     0
2   Emo/1   5.1     0
3           
4   Neu/5   5.2     1
5   Neu/2   5.2     1

目前，我有下面的代码，但它给了我一条错误消息：“TypeError:类型为'float'的参数不可iterable”

df["B"]=""
for index, row in df.iterrows:
  if "Emo/" in row["A"]:
    row["B"]=0
  elif "Neu/" in row['A']:
    row['B']=1
  elif row['A']=="":
    row['B']=""

任何建议都有帮助！谢谢

Answer 1

如zlipp所述，方法调用中缺少括号：

for index, row in df.iterrows():
#                            ^^

---

但是，请注意^{} should be avoided whenever possible。

我建议使用^{}。使用^{}（或^{}）构建条件并设置default=''：

conditions = [
    df['A'].str.contains('Emo/'),
    df['A'].str.contains('Neu/'),
]
choices = [
    0,
    1,
]

df['B'] = np.select(conditions, choices, default='')
#        A Height  B
# 0  Emo/3    5.1  0
# 1  Emo/4    6.2  0
# 2  Emo/1    5.1  0
# 3                 
# 4  Neu/5    5.2  1
# 5  Neu/2    5.2  1