嵌套的np.where

Question

我有以下数据帧：

S A
1 1
1 0
2 1
2 0

我想创建一个新的'Result'列，它是根据列A和列S的值计算得出的。

我编写了以下嵌套的np.where代码

df['Result'] = np.where((df.S == 1 & df.A == 1), 1,
                        (df.S == 1 & df.A == 0), 0,
                        (df.S == 2 & df.A == 1), 0,
                        (df.S == 2 & df.A == 0), 1))))

但是当我执行它时，我得到了以下错误：

SyntaxError: invalid syntax

我的代码出了什么问题？

Answer 1

据我所知，np.where不支持多个返回语句(至少不超过两个)。因此，要么重写np.where以产生一个True和一个False语句，并为True/False返回1/0，要么需要使用掩码。

如果重写np.where，则限制为两个结果，当条件不为真时，将始终设置第二个结果。因此它也将被设置为像(S == 5) & (A = np.nan)这样的值。

df['Result'] = np.where(((df.S == 1) & (df.A == 1)) | ((df.S == 2) & (df.A == 0)), 1, 0)

使用掩码时，可以应用任意数量的条件和结果。对于您的示例，解决方案如下所示：

mask_0 = ((df.S == 1) & (df.A == 0)) | ((df.S == 2) & (df.A == 1))
mask_1 = ((df.S == 1) & (df.A == 1)) | ((df.S == 2) & (df.A == 0))
df.loc[mask_0, 'Result'] = 0
df.loc[mask_1, 'Result'] = 1

在不满足任何条件的情况下，结果将设置为np.nan。这是imho故障保护，因此应该使用。但是，如果您想在这些位置使用零，只需将Results列初始化为零即可。

当然，这可以在特殊情况下简化，比如只有1和0作为结果，并通过使用dicts或其他容器扩展到任意数量的结果。

Answer 2

您应该使用嵌套的np.where。它就像sql case子句。但是当数据中有nan时要小心。

df=pd.DataFrame({'S':[1,1,2,2],'A':[1,0,1,0]})
df['Result'] = np.where((df.S == 1) & (df.A == 1), 1,   #when... then
                 np.where((df.S == 1) & (df.A == 0), 0,  #when... then
                  np.where((df.S == 2) & (df.A == 1), 0,  #when... then
                    1)))                                  #else
df

输出：

|   | S | A | Result |
|---|---|---|--------|
| 0 | 1 | 1 | 1      |
| 1 | 1 | 0 | 0      |
| 2 | 2 | 1 | 0      |
| 3 | 2 | 0 | 1      |

Answer 3

如果你有非常嵌套的操作，我推荐使用numpy.select。

df = pd.DataFrame({
    "S": [1, 1, 2, 2],
    "A": [1, 0, 1, 0]
})

# you could of course combine the clause (1, 4) and (2, 3) with the '|' or operator
df['RESULT'] = np.select([
    (df.S == 1) & (df.A == 1),
    (df.S == 1) & (df.A == 0),
    (df.S == 2) & (df.A == 1),
    (df.S == 2) & (df.A == 0)
], [1, 0, 0, 1])