迭代数据帧，计算列值，并将值设置为第三列

Question

我一直在尝试迭代一个DataFrame或应用一个函数，以便基于DataFrame中另外两个列来更改DataFrame的特定列中的内容。在

我有一个df像：

df = pd.DataFrame({'Age_type' : pd.Series(['Adult','Adult','Child','Child']),
     'Gender' : pd.Series(['Female','Male','Female','Female'])
     })

   Gender  Age_type  Group
0  Female  Adult
1  Male    Adult
2  Female  Child
3  Female  Child

我想为每个案例设置一个小组，有这样的想法：

^{pr2}$

我尝试过使用.apply（函数），因为据我所知，在迭代DataFrame时，您永远不应该修改它（所以这会使for循环不再是一个选项？）。在

我试过：

def set_group(data):
    gender = data['Gender']
    age_type = data['Age_type']
    if gender == 'Female' and age_type == 'Adult': 
       data['Group'] = 'Group A'
    elif gender == 'Female' and age_type == 'Child':
       data['Group'] = 'Group B'
    elif gender == 'Male' and age_type == 'Adult':
       data['Group'] = 'Group C'
    elif gender == 'Male' and age_type == 'Child':
       data['Group'] = 'Group D'
    return None

df['Group'].apply(set_group)

但我总是犯这样的错误： TypeError:字符串索引必须是整数，而不是str

你知道如何迭代一个数据帧，读取一些列，并在此基础上为另一列设置值吗？在

谢谢！在

Answer 1

试试这个：

dfx['group'] = ""
dfx['group'] = np.where((dfx['Gender']=='Female')&(dfx['Age_type']=='Adult'),'A', dfx['group'])
dfx['group'] = np.where((dfx['Gender']=='Female')&(dfx['Age_type']=='Child'),'B', dfx['group'])
dfx['group'] = np.where((dfx['Gender']=='Male')&(dfx['Age_type']=='Adult'),'C', dfx['group'])
dfx['group'] = np.where((dfx['Gender']=='Male')&(dfx['Age_type']=='Child'),'D', dfx['group'])