快捷導(dǎo)航

Pandas中case_when()方法使用小結(jié)

更新時(shí)間：2025年05月07日 10:03:29 作者：aobulaien001

本文主要介紹了Pandas中case_when()方法使用小結(jié),它可以用于條件性地創(chuàng)建新的列,類似于 SQL 中的?CASE WHEN?語(yǔ)句,下面就來(lái)介紹一下,感興趣的可以了解一下

在 Python 數(shù)據(jù)分析中，Pandas 是一個(gè)強(qiáng)大的庫(kù)，用于處理和分析數(shù)據(jù)。它提供了各種各樣的方法和函數(shù)，使數(shù)據(jù)轉(zhuǎn)換和操作變得更加容易。在本文中，將深入探討 Pandas 中的 case_when() 方法，它可以用于條件性地創(chuàng)建新的列，類似于 SQL 中的 CASE WHEN 語(yǔ)句。我們將詳細(xì)討論該方法的用法，并提供豐富的示例代碼。

什么是 case_when() 方法？

case_when() 方法是 Pandas 庫(kù)中的一個(gè)函數(shù)，它允許我們根據(jù)條件創(chuàng)建新的列。這個(gè)方法通常用于根據(jù)數(shù)據(jù)的某些特征或條件來(lái)生成新的數(shù)據(jù)列，類似于使用 if-else 語(yǔ)句進(jìn)行條件判斷。

在 Pandas 中，case_when() 方法通常與 apply() 方法結(jié)合使用，以便根據(jù)條件對(duì)每一行數(shù)據(jù)進(jìn)行操作。它提供了一種更靈活的方式來(lái)處理數(shù)據(jù)，而不需要編寫大量的條件判斷語(yǔ)句。

case_when() 方法的語(yǔ)法

case_when() 方法的語(yǔ)法如下：

pandas.Series.case_when(conditions, values, default=None, *args, **kwargs)

參數(shù)說(shuō)明：

conditions：條件列表，用于定義何時(shí)應(yīng)用哪個(gè)值。
values：與條件列表中的每個(gè)條件相對(duì)應(yīng)的值列表，用于指定滿足條件時(shí)要應(yīng)用的值。
default：可選參數(shù)，用于指定默認(rèn)值，當(dāng)沒(méi)有條件匹配時(shí)將使用該值。
*args 和 **kwargs：其他參數(shù)，用于傳遞給 apply() 方法。

示例代碼

通過(guò)幾個(gè)示例來(lái)演示 case_when() 方法的用法。

示例 1：基本用法

假設(shè)有一個(gè)包含學(xué)生分?jǐn)?shù)的數(shù)據(jù)集，我們想根據(jù)分?jǐn)?shù)判斷他們的等級(jí)。

可以使用 case_when() 方法來(lái)實(shí)現(xiàn)這個(gè)任務(wù)：

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)集
data = {'學(xué)生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分?jǐn)?shù)': [85, 70, 95, 60, 75]}

df = pd.DataFrame(data)

# 定義條件和對(duì)應(yīng)的值
conditions = [df['分?jǐn)?shù)'] >= 90, (df['分?jǐn)?shù)'] >= 80) & (df['分?jǐn)?shù)'] < 90), df['分?jǐn)?shù)'] < 80]
values = ['優(yōu)秀', '良好', '及格']

# 使用 case_when() 方法創(chuàng)建新列
df['等級(jí)'] = df['分?jǐn)?shù)'].case_when(conditions, values, default='不及格')

# 輸出結(jié)果
print(df)

以上代碼將根據(jù)學(xué)生的分?jǐn)?shù)創(chuàng)建一個(gè)新的等級(jí)列，并根據(jù)條件將相應(yīng)的等級(jí)分配給每個(gè)學(xué)生。

示例 2：使用默認(rèn)值

有時(shí)候，某些數(shù)據(jù)可能不滿足任何條件。在這種情況下，可以使用默認(rèn)值來(lái)處理這些情況：

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)集
data = {'學(xué)生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分?jǐn)?shù)': [85, 70, 95, 60, None]}

df = pd.DataFrame(data)

# 定義條件和對(duì)應(yīng)的值
conditions = [df['分?jǐn)?shù)'] >= 90, (df['分?jǐn)?shù)'] >= 80) & (df['分?jǐn)?shù)'] < 90), df['分?jǐn)?shù)'] < 80]
values = ['優(yōu)秀', '良好', '及格']

# 使用 case_when() 方法創(chuàng)建新列，并設(shè)置默認(rèn)值為 '未知'
df['等級(jí)'] = df['分?jǐn)?shù)'].case_when(conditions, values, default='未知')

# 輸出結(jié)果
print(df)

在這個(gè)示例中，使用了一個(gè)包含空值的數(shù)據(jù)集，并使用 default 參數(shù)將沒(méi)有匹配條件的行標(biāo)記為“未知”。

示例 3：使用 apply() 方法

case_when() 方法通常與 apply() 方法一起使用，以便根據(jù)多個(gè)條件對(duì)數(shù)據(jù)集的每一行進(jìn)行操作。

以下是一個(gè)示例，根據(jù)學(xué)生的分?jǐn)?shù)和出勤情況來(lái)計(jì)算他們的最終成績(jī)：

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)集
data = {'學(xué)生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分?jǐn)?shù)': [85, 70, 95, 60, 75],
        '出勤率': [90, 80, 95, 70, 85]}

df = pd.DataFrame(data)

# 使用 apply() 方法將多個(gè)條件應(yīng)用于每一行
def calculate_grade(row):
    if row['分?jǐn)?shù)'] >= 90 and row['出勤率'] >= 90:
        return '優(yōu)秀'
    elif row['分?jǐn)?shù)'] >= 80 and row['出勤率'] >= 80:
        return '良好'
    elif row['分?jǐn)?shù)'] >= 60 and row['出勤率'] >= 70:
        return '及格'
    else:
        return '不及格'

df['最終成績(jī)'] = df.apply(calculate_grade, axis=1)

# 輸出結(jié)果
print(df)

在這個(gè)示例中，使用 apply() 方法定義了一個(gè)自定義函數(shù) calculate_grade()，該函數(shù)基于多個(gè)條件來(lái)計(jì)算最終成績(jī)，并將其應(yīng)用于數(shù)據(jù)集的每一行。

示例 4：多條件的復(fù)雜情況

有時(shí)候，需要根據(jù)多個(gè)條件的組合來(lái)生成新的列。

例如，可以根據(jù)學(xué)生的分?jǐn)?shù)和出勤情況來(lái)確定他們是否能夠獲得獎(jiǎng)學(xué)金：

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)集
data = {'學(xué)生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分?jǐn)?shù)': [85, 70, 95, 60, 75],
        '出勤率': [90, 80, 95, 70, 85]}

df = pd.DataFrame(data)

# 定義多條件和對(duì)應(yīng)的值
conditions = [(df['分?jǐn)?shù)'] >= 90) & (df['出勤率'] >= 90),
              (df['分?jǐn)?shù)'] >= 80) & (df['出勤率'] >= 80),
              (df['分?jǐn)?shù)'] >= 60) & (df['出勤率'] >= 70)]

values = ['獲獎(jiǎng)學(xué)金', '榮譽(yù)獎(jiǎng)', '合格']

# 使用 case_when() 方法創(chuàng)建新列
df['獎(jiǎng)勵(lì)'] = df.apply(lambda row: row['分?jǐn)?shù)'].case_when(conditions, values, default='未獲獎(jiǎng)'), axis=1)

# 輸出結(jié)果
print(df)

在這個(gè)示例中，定義了多個(gè)條件和對(duì)應(yīng)的值，并使用 apply() 方法將 case_when() 方法應(yīng)用于每一行數(shù)據(jù)，根據(jù)多個(gè)條件的組合來(lái)確定是否獲得獎(jiǎng)學(xué)金。

示例 5：根據(jù)多列生成新列

有時(shí)候，需要根據(jù)多列的值生成新的列。

例如，可以根據(jù)學(xué)生的分?jǐn)?shù)和出勤情況來(lái)生成一個(gè)總分列：

import pandas as pd

# 創(chuàng)建示例數(shù)據(jù)集
data = {'學(xué)生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分?jǐn)?shù)1': [85, 70, 95, 60, 75],
        '分?jǐn)?shù)2': [90, 80, 85, 70, 90]}

df = pd.DataFrame(data)

# 使用 apply() 方法生成新列
df['總分'] = df.apply(lambda row: row['分?jǐn)?shù)1'] + row['分?jǐn)?shù)2'], axis=1)

# 輸出結(jié)果
print(df)

在這個(gè)示例中，使用 apply() 方法將兩列分?jǐn)?shù)相加，生成了一個(gè)新的總分列。

示例 6：處理缺失值

case_when() 方法也可以用于處理缺失值。

例如，可以根據(jù)分?jǐn)?shù)是否缺失來(lái)為學(xué)生分配等級(jí)：

import pandas as pd
import numpy as np

# 創(chuàng)建示例數(shù)據(jù)集
data = {'學(xué)生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分?jǐn)?shù)': [85, np.nan, 95, 60, 75]}

df = pd.DataFrame(data)

# 定義條件和對(duì)應(yīng)的值
conditions = [df['分?jǐn)?shù)'].notna() & (df['分?jǐn)?shù)'] >= 90),
              df['分?jǐn)?shù)'].notna() & (df['分?jǐn)?shù)'] >= 80),
              df['分?jǐn)?shù)'].notna() & (df['分?jǐn)?shù)'] >= 60)]

values = ['優(yōu)秀', '良好', '及格']

# 使用 case_when() 方法創(chuàng)建新列，并處理缺失值
df['等級(jí)'] = df['分?jǐn)?shù)'].case_when(conditions, values, default='不及格')

# 輸出結(jié)果
print(df)

在這個(gè)示例中，使用 notna() 方法來(lái)檢查分?jǐn)?shù)是否缺失，并根據(jù)條件來(lái)為每個(gè)學(xué)生分配等級(jí)。

總結(jié)

在本文中，深入探討了 Pandas 中的 case_when() 方法的用法，包括基本用法和高級(jí)用法。這個(gè)方法對(duì)于數(shù)據(jù)分析和數(shù)據(jù)轉(zhuǎn)換任務(wù)非常有用，可以根據(jù)條件創(chuàng)建新的列，處理多條件組合和缺失值，并生成新的數(shù)據(jù)集。希望通過(guò)本文的示例代碼和解釋，能更好地理解和運(yùn)用 case_when() 方法。這將有助于更靈活地處理各種數(shù)據(jù)分析和數(shù)據(jù)處理任務(wù)。

到此這篇關(guān)于Pandas中case_when()方法使用小結(jié)的文章就介紹到這了,更多相關(guān)Pandas case_when()方法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: