将顺序条件脚本转换为一般过程

Question

目前，我正致力于推广具有多种条件的顺序管道；假设我有一个水果数据，描述苹果、香蕉和梨及其相应的重量和颜色。

import pandas as pd
fruits = pd.DataFrame({'Fruit': ['Apple', 'Apple', 'Banana', 'Pear' 'Pear', 'Banana'],
                      'Weight': [42, 64, 82, 74, 51, 71],
                      'Color': ['Red', 'Green', 'Yellow', 'Green' 'Red', 'Yellow']})

我想用全部或部分特征将水果分类为‘红_大_苹果’、‘绿_大_苹果’、‘红_小_苹果’、‘绿色_小_苹果’、‘红_大_梨’。等。

for i in list(fruits.index):
    if fruits.loc[i, 'Fruit'] == 'Apple':
        if fruits.loc[i, 'Weight'] < 50:
            if fruits.loc[i, 'Color'] == 'Red':
                fruits.loc[i, 'Group'] = 'Red_small_apples'
ect.

现在，假设我有一个更复杂的顺序条件管道，可能需要在几周内实现一个全新的、完全不同的顺序条件管道。

其主要思想是创建一个组合df/hashmap，它将与类中的某个函数通信(我将创建)来提取给定结果的最后一组--但是当我构建df/hashmap (一个复杂的任务本身)时，我理解它将有多大(~2000行/组合)。

我的问题是，怎样才是处理这个问题的最佳方法？

在发生内部更改或新管道的情况下，分组方式如下：

实现computationally

• Easiest 的最快的

哪种方式是最广义的，这样我就不需要在这种情况下改变类和/或类函数了？

1. df/hashmap
2. specific function
3. other

谢谢!

Answer 1

您所描述的可以使用如下所示的应用程序来实现：

def classify(x):
    if x.Weight > 50:
        return f"{x.Color}_big_{x.Fruit}"
    else:
        return f"{x.Color}_small_{x.Fruit}"

fruits['class'] = fruits.apply(classify, axis=1)

这就产生了：

Fruit   Weight  Color   class
0   Apple   42  Red Red_small_Apple
1   Apple   64  Green   Green_big_Apple
2   Banana  82  Yellow  Yellow_big_Banana
3   Pear    74  Green   Green_big_Pear
4   Pear    51  Red Red_big_Pear
5   Banana  71  Yellow  Yellow_big_Banana

通过修改classify函数，可以进一步实现更复杂的条件。