本文介绍 Pandas DataFrame 中应用 IF 条件的5种不同方法。

具体来说，有如下5种方法:

1. Set of numbers
2. Set of numbers and lambda
3. Strings
4. Strings and lambada
5. OR condition

下面，我们来一起看下几个案例。

(1) IF condition – Set of numbers

假设现在有一个由10个数字构成的 DataFrame ，想应用如下的 IF 条件

• <= 4时，填值 True
• > 4时，填值 False

创建该 IF 条件的通用代码结构如下：

df.loc[df['column name'] condition, 'new column name'] = 'value if condition is met'

具体到这个例子，Python 代码可以这么写：

import pandas as pd
numbers = {'set_of_numbers': [1,2,3,4,5,6,7,8,9,10]}
df = pd.DataFrame(numbers,columns=['set_of_numbers'])
df.loc[df['set_of_numbers'] <= 4, 'equal_or_lower_than_4?'] = 'True' 
df.loc[df['set_of_numbers'] > 4, 'equal_or_lower_than_4?'] = 'False' 
print (df)

查询结果如下：

(2) IF condition – set of numbers and lambda

下面看一下使用 lambada 表达式如何实现案例1 的查询结果。

lambada 通用代码结构如下：

df['new column name'] = df['column name'].apply(lambda x: 'value if condition is met' if x condition else 'value if condition is not met')

使用 lambada 实现案例1的代码如下：

import pandas as pd
numbers = {'set_of_numbers': [1,2,3,4,5,6,7,8,9,10]}
df = pd.DataFrame(numbers,columns=['set_of_numbers'])
df['equal_or_lower_than_4?'] = df['set_of_numbers'].apply(lambda x: 'True' if x <= 4 else 'False')
print (df)

查询结果如下，与案例1相同

(3) IF condition – strings

现在，我们创建一个仅包含 Jon, Bill, Maria and Emma 等文本内容的 DataFrame ，IF 条件如下：

• 当 name 是 Bill 时，填值 Match
• 当 name 不是 Bill 时，填值 Mismatch

实现代码如下：

import pandas as pd
names = {'First_name': ['Jon','Bill','Maria','Emma']}
df = pd.DataFrame(names,columns=['First_name'])
df.loc[df['First_name'] == 'Bill', 'name_match'] = 'Match'  
df.loc[df['First_name'] != 'Bill', 'name_match'] = 'Mismatch'  
print (df)

查询结果如下：

(4) IF condition – strings and lambada

使用 lambada 表达式实现案例3的代码如下：

import pandas as pd
names = {'First_name': ['Jon','Bill','Maria','Emma']}
df = pd.DataFrame(names,columns=['First_name'])
df['name_match'] = df['First_name'].apply(lambda x: 'Match' if x == 'Bill' else 'Mismatch')
print (df)

查询结果如下：

(5) IF condition with OR

最后的案例中，我们尝试实现下面的 IF 条件：

• 当 name 是 Bill 或者 Emma 时，填值 Match
• 当 name 既不是 Bill 也不是 Emma 时，填值 Mismatch

实现代码如下：

import pandas as pd
names = {'First_name': ['Jon','Bill','Maria','Emma']}
df = pd.DataFrame(names,columns=['First_name'])
df.loc[(df['First_name'] == 'Bill') | (df['First_name'] == 'Emma'), 'name_match'] = 'Match'  
df.loc[(df['First_name'] != 'Bill') & (df['First_name'] != 'Emma'), 'name_match'] = 'Mismatch'  
print (df)

查询结果如下：

在原始DataFrame列上应用 IF 条件

上面的案例中，我们学习了如何在新增列中应用 IF 条件，有时你可能会遇到将结果存储到原始 DataFrame 列中的需求。

假设，我们创建了一个包含12个数字的 DataFrame ，其最后的两个数字为0。

`set_of_numbers`: [1,2,3,4,5,6,7,8,9,10,0,0]

计划应用以下 IF 条件，然后将结果存储在现有的 set_of_numbers 列中:

• 如果数字等于0，将该列数字调整为999
• 如果数字等于5，将该列数字调整为555

import pandas as pd
numbers = {'set_of_numbers': [1,2,3,4,5,6,7,8,9,10,0,0]}
df = pd.DataFrame(numbers,columns=['set_of_numbers'])
print (df)
df.loc[df['set_of_numbers'] == 0, 'set_of_numbers'] = 999
df.loc[df['set_of_numbers'] == 5, 'set_of_numbers'] = 555
print (df)

下面是调整前后的结果，5变成了555,0变成了999。

在另一个实例中，假设有一个包含 NaN 值的 DataFrame。然后，可以应用 IF 条件将这些值替换为零，如下为示例代码:

import pandas as pd
import numpy as np
numbers = {'set_of_numbers': [1,2,3,4,5,6,7,8,9,10,np.nan,np.nan]}