python - 如何从pandas数据框中的bool和float列计算新的向量化列？

我的DataFrame混合使用float和boolean：

df = pd.DataFrame.from_csv("C:\....")

df['isActive'] = (df.turns >= 250) & (df.alivePct > 0) & (df.changePct > 0)

我想创建一个新列，如果isActive == false，则该值= 0，否则该值等于一些计算出的量，如下所示：

df['interestingness'] = (df.changePct * df.alivePct) if df.isActive else 0

但是，由于df.isActive是系列，因此出现此错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

似乎三元if / else运算符不能用于向量化操作中。

手动迭代又如何做呢？

（注意：df.isActive是一个简单的技巧，它将df.isActive的值设置为0，因为False ==0。但是我想知道一个更通用的解决方案。）

最佳答案

您可以使用np.where：

import numpy as np
df['interestingness'] = np.where(df.isActive, df.changePct * df.alivePct, 0)

对于一维数组，np.where(condition, A, B)是矢量化的等价于

np.array([a if c else b for a,b,c in zip(condition, A, B)])

熊猫还提供了Series.where方法，您可以使用：

df['interestingness'] = (df.changePct * df.alivePct).where(df.isActive, 0)

关于python - 如何从pandas数据框中的bool和float列计算新的向量化列？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/26779801/