programming

Pandas tạo cột mới dựa trên nhiều điều kiện

Bạn có thể tạo một cột có điều kiện trong DataFrame của gấu trúc bằng cách sử dụng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
0, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
1, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
2, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
3, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
4, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
5. Ngoài ra, bạn cũng có thể sử dụng các hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
7 và 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8 của phương thức 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
6 để tạo các hàm đơn và nhiều hàm. Trong bài viết này, tôi sẽ giải thích một số cách tạo cột DataFrame có điều kiện [mới] với các ví dụ

Cần thêm một cột mới bằng cách kiểm tra có điều kiện các giá trị trên các cột hiện có khi bạn cần sắp xếp DataFrame hoặc lấy một cột mới từ các cột hiện có

1. Ví dụ nhanh về Pandas Tạo cột DataFrame có điều kiện

Nếu bạn đang vội, dưới đây là một số ví dụ nhanh


# Below are some quick examples.
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]

# Another way to create column conditionally.
df['Discount'] = [1000 if x == 'Spark' else 2000 for x in df['Courses']]

# Create conditional DataFrame column by map[] and lambda.
df['Discount'] = df.Courses.map[ lambda x: 1000 if x == 'Spark' else 2000]

# Create conditional DataFrame column by np.select[] function.
conditions = [
    [df['Courses'] == 'Spark'] & [df['Duration'] == '30days'],
    [df['Courses'] == 'Spark'] & [df['Duration'] == '35days'],
    [df['Duration'] == '50days']]
choices = [1000, 1050,200]
df['Discount'] = np.select[conditions,choices, default=0]

# Using Dictionary to map new values.
Discount_dictionary ={'Spark' : 1500, 'PySpark' : 800, 'Spark' : 1200}
df['Discount'] = df['Courses'].map[Discount_dictionary]

# Pandas create conditional DataFrame column by dictionary
df['Discount'] = [Discount_dictionary.get[v, None] for v in df['Courses']]

# Using DataFrame.assign[] method.
def Courses_Discount[row]:
    if row["Courses"] == "Spark":
        return 1000
    else:
        return 2000
df = df.assign[Discount=df.apply[Courses_Discount, axis=1]]

# Conditions with multiple rand multiple columns.
def Courses_Discount[row]:
    if row["Courses"] == "Spark":
        return 1000
    elif row["Fee"] == 25000:
        return 2000
    else:
        return 0
df = df.assign[Discount=df.apply[Courses_Discount, axis=1]]

# Using .loc[] property for single condition.
df.loc[[df['Courses']=="Spark"], 'Discount'] = 1000

# Using loc[] method for Multiple conditions.
df.loc[[df['Courses']=="Spark"]&[df['Fee']==23000]|[df['Fee']==25000], 'Discount'] = 1000

# Using DataFrame.apply[] method with lambda function.
df['Discount'] = df['Courses'].apply[lambda x: '1000' if x=='Spark' else 1000]

# Pandas create conditional column using mask[] method.
# Replace values where the condition is True
df['Discount'] = df['Discount'].mask[df['Courses']=='Spark', other=1000]

# Using where[]
df['Discount'] = df['Discount'].where[df['Courses']=='Spark', other=1000]

# Using transform[] with a lambda function.
df['Discount'] = df['Courses'].transform[lambda x: 1000 if x == 'Spark' else 2000]

Hãy tạo một DataFrame gấu trúc với một vài hàng và cột và thực hiện các ví dụ này và xác thực kết quả. Khung dữ liệu của chúng tôi chứa các tên cột 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
9, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
10 và 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
11


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
3

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
4

2. Tạo cột DataFrame có điều kiện bằng np. hàm where[]

Để tạo cột DataFrame có điều kiện trong gấu trúc, hãy sử dụng hàm 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
0. Mặc dù gấu trúc cũng có hàm where[] tương tự, nhưng 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
13 lại rất khác. Sự khác biệt là, chức năng 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
14 của 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
15 cung cấp tính linh hoạt cao hơn và nó xử lý điều kiện đã cho khác với Pandas

hàm pandas 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
14 chỉ cho phép cập nhật các giá trị không đáp ứng điều kiện đã cho. Tuy nhiên, hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
17 của

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
15 cho phép cập nhật các giá trị thỏa mãn và không thỏa mãn điều kiện đã cho


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
1

Một cách khác để tạo một cột có điều kiện


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
4

Mang lại sản lượng tương tự như trên

Tương tự, bạn cũng có thể tạo bằng cách sử dụng 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
19 và 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8. 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
41 được xác định bằng từ khóa 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8. Họ có thể có bất kỳ số đối số nhưng chỉ có một biểu thức. Chúng rất hữu ích khi chúng ta phải thực hiện các tác vụ nhỏ với ít mã hơn


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
9

Mang lại sản lượng tương tự như trên

3. Tạo cột DataFrame có điều kiện bằng numpy. chức năng chọn []

Bạn có thể tạo cột DataFrame có điều kiện bằng cách kiểm tra nhiều cột bằng hàm 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
43. Hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
44 có nhiều khả năng hơn các phương thức trước đó. Chúng ta có thể sử dụng nó để đưa ra một tập hợp các điều kiện và một tập hợp các giá trị. Do đó, chúng ta có thể gán một giá trị cụ thể cho từng điều kiện

Khi không có điều kiện nào phù hợp, nó sẽ gán giá trị mặc định cho cột mới


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
2

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
3

4. Sử dụng Khung dữ liệu. bản đồ [] Chức năng

Chúng ta có thể sử dụng hàm 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
2 để đạt được mục tiêu tương tự. Đó là một phương pháp đơn giản trong đó chúng tôi sử dụng từ điển để chỉ cần ____246 giá trị cho cột mới được thêm vào dựa trên khóa. Giá trị 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
47 của 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
48 theo tương ứng đầu vào. Nó được sử dụng để thay thế 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
49 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
90 trong Sê-ri bằng 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
91


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
1

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
30

5. Sử dụng Dict để tạo cột DataFrame có điều kiện

Một phương pháp khác để tạo cột DataFrame có điều kiện của gấu trúc là tạo một Dict với cặp khóa-giá trị. 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
92. Phương thức ____293 trả về giá trị của mục với khóa được chỉ định. Tuy nhiên, nếu ______294 không được tìm thấy khi bạn sử dụng ______295 thì nó sẽ gán ____296


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
31

Mang lại sản lượng tương tự như trên

6. Sử dụng sê-ri. áp dụng [] chức năng

Chúng tôi có thể sử dụng hàm 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
97, khi chúng tôi có nhiều hơn hai giá trị, trong trường hợp đó, chúng tôi có thể sử dụng một từ điển để ánh xạ các giá trị mới vào các khóa. Nó cung cấp rất nhiều tính linh hoạt khi chúng tôi có số lượng danh mục lớn hơn mà chúng tôi muốn gán các giá trị khác nhau cho cột mới được thêm vào


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
32

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
33

7. Sử dụng Khung dữ liệu. phương thức gán []

Hàm 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
98] được sử dụng để gán các cột mới cho một 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
99. Trả về một đối tượng mới với tất cả các cột ban đầu cùng với các cột mới. Lưu ý rằng tất cả các ví dụ trên đều tạo một cột mới trên DataFrame hiện có, ví dụ này tạo một DataFrame mới với cột mới


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
34

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
1

8. Sử dụng nhiều cột bằng cách sử dụng DataFrame. phương thức gán []

Nếu bạn cần kiểm tra nhiều cột để tạo cột mới, hãy sử dụng hàm 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
3, bạn có thể xem ví dụ bên dưới-


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
36

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
37

9. Sử dụng Khung dữ liệu. loc[] Phương pháp

Thuộc tính 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
21 được sử dụng để truy cập một nhóm hàng và cột theo [các] nhãn hoặc mảng 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
22. 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
21 chủ yếu dựa trên nhãn, nhưng cũng có thể được sử dụng với mảng 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
22. Bạn có thể áp dụng thuộc tính 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
21 cho một điều kiện-


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
38

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
39

GHI CHÚ. Ngoài ra, để áp dụng thuộc tính 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
26 cho nhiều điều kiện và tạo một cột mới trong DataFrame của gấu trúc. Ví dụ


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
40

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
41

10. Sử dụng Khung dữ liệu. phương thức apply[] với hàm lambda

Bạn cũng có thể tạo cột DataFrame có điều kiện bằng cách sử dụng phương thức 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
4 với hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8. Hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
29 dọc theo một trục của 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
99. Hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8 được xác định bằng từ khóa 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
42

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
43

11. Pandas Tạo cột có điều kiện bằng phương thức Mask[]

Hãy xem bằng cách sử dụng phương pháp 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
6. Phương pháp 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
6 được sử dụng để thay thế các giá trị có điều kiện là 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
35


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
44

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
43

GHI CHÚ. Bạn có thể thay thế các giá trị có điều kiện là 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
36 bằng phương pháp 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
37. Phương pháp ________ 114 được sử dụng để kiểm tra ________ 299 đối với một hoặc nhiều điều kiện và trả về kết quả tương ứng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
46

Mang lại sản lượng tương tự như trên

12. Sử dụng biến đổi [] với hàm lambda

Cuối cùng, bạn có thể sử dụng phương thức 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
7 với hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8. Hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
7 trả về DataFrame tự tạo với các giá trị được chuyển đổi sau khi áp dụng hàm được chỉ định trong tham số của nó


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
47

Sản lượng dưới sản lượng


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
1

13. Ví dụ hoàn chỉnh cho Pandas Tạo cột có điều kiện


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
49

Phần kết luận

Trong bài viết này, bạn đã học cách Pandas tạo cột có điều kiện DataFrame bằng cách sử dụng phương thức 


import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
0, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
1, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
4, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
3, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
2, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
21, 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
6, các hàm 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
7 và 

import numpy as np
# Create conditional DataFrame column by np.where[] function.
df['Discount'] = np.where[df['Courses']=='Spark', 1000, 2000]
print[df]
8 để tạo các hàm đơn và nhiều hàm

Làm cách nào để tạo một cột mới dựa trên gấu trúc nhiều cột?

Để tạo một cột mới dựa trên các cột khác,. sử dụng số học cột để có hiệu suất nhanh nhất. sử dụng phương thức where[~] của NumPy để tạo các cột nhị phân .

Làm cách nào để thay đổi giá trị của một cột trong gấu trúc dựa trên nhiều điều kiện?

Bạn có thể thay thế giá trị của tất cả hoặc các cột đã chọn dựa trên điều kiện của DataFrame gấu trúc bằng cách sử dụng DataFrame. thuộc tính loc[ ] . Loc[] được sử dụng để truy cập một nhóm hàng và cột theo [các] nhãn hoặc mảng boolean. Nó có thể truy cập và cũng có thể thao tác các giá trị của pandas DataFrame.

Làm cách nào để gán giá trị cho một cột trong gấu trúc dựa trên điều kiện?

Phương thức 1. Sử dụng Pandas loc để tạo cột có điều kiện .
cột_tên1 là cột để đánh giá;
cột_tên2 là cột cần tạo hoặc thay đổi, có thể giống cột_tên1
điều kiện là biểu thức điều kiện để áp dụng
giá trị là giá trị mới để gán

Bài Viết Liên Quan

Làm cách nào để thoát khỏi việc hiển thị tất cả kết quả trong WooC Commerce?
Mảng nào đã đặt tên cho các khóa PHP?
Is Pink coming to milwaukee 2023?
Linux mount là gì
Làm cách nào để kiểm tra URL hình ảnh có hợp lệ trong JavaScript không?
Ngày giờ của Python có bao gồm múi giờ không?
Làm cách nào để tạo cơ sở dữ liệu bằng php?
Chích chòe lửa bạch tạng giá bao nhiêu?
Giờ Python
Làm cách nào tôi có thể tự học Python miễn phí?
Đã bật JavaScript của BeautifulSoup
Python lấy mọi thứ trước lần xuất hiện cuối cùng của ký tự
PHP ghi vào tệp từng dòng
Phản ứng bên trongHTML
Đặt độ rộng cột trong phpexcel
Cadillac Escalade 2023 siêu nạp
Python yêu cầu sử dụng lại cookie
Đối tượng mảng foreach javascript
Làm cách nào để in đồng hồ bấm giờ trong python?
Cách thêm thẻ dữ liệu json vào html?

Toplist mới

#1
Top 9 tập bản đồ lớp 8 bài 31 2023
7 tháng trước
#2
Top 6 kết quả thi hsg đà nẵng 2022 2023
7 tháng trước
#3
Top 9 tủ nhựa đài loan 4 cánh 3d 2023
7 tháng trước
#4
Top 9 chất khí có thể làm mất màu dung dịch nước brom là: a. so2. b. co2. c. o2. d. hcl. 2023
7 tháng trước
#5
Top 8 tìm việc làm tiện, phay bảo q7 2023
7 tháng trước
#6
Top 3 tôi xuyên thành tiểu kiều the của lão đại phản 2 2023
7 tháng trước
#7
Top 9 đổi mới phong cách, thái độ phục vụ của cán bộ y tế hướng tới sự hài lòng của người bệnh 2023
7 tháng trước
#8
Top 2 bài the dục phát triển chung lớp 6 2022 2023
7 tháng trước
#9
Top 3 bài giảng vũ điệu sắc màu (lớp 4) 2023
7 tháng trước

Bài mới nhất

Khi nào đăng ký nguyện vọng đại học 2023 năm 2024
Mộc hóa kiến tường long an hay đồng tháp năm 2024
Lỗi ko the ket noi voi may chu năm 2024
Giải bài tập hệ phương trình tuyến tính năm 2024
Top 5 em gái đồng phim sex đẹp nhất năm 2024
2 bài toán cơ bán của định vị vệ tinh năm 2024
52 nguyễn duc bắc sơn sầm sơn thanh hóa năm 2024
Bảo hiểm hàng không trụ sở lê văn lương năm 2024
Cách giải các dạng bài tập lượng giác lớp 11 năm 2024
Bác sĩ khoa tiêu hóa bệnh viện bạch mai năm 2024

Chủ Đề

programming Hỏi Đáp Toplist Là gì Mẹo Hay Địa Điểm Hay Học Tốt mẹo hay Công Nghệ Nghĩa của từ Bao nhiêu Khỏe Đẹp đánh giá Top List bao nhieu bao nhiêu hướng dẫn Xây Đựng Bài tập So Sánh Tiếng anh So sánh Sản phẩm tốt Ngôn ngữ Bài Tập javascript Thế nào Ở đâu Hướng dẫn Dịch Máy tính Tại sao Đại học Món Ngon Khoa Học