Подтвердить что ты не робот

Pandas добавляет столбец со значением, основанным на условии, основанном на других столбцах

У меня есть следующий пандас dataframe:

enter image description here

import pandas as pd
import numpy as np

d = {'age' : [21, 45, 45, 5],
     'salary' : [20, 40, 10, 100]}

df = pd.DataFrame(d)

и хотел бы добавить дополнительный столбец под названием "is_rich", который фиксирует, богат ли человек в зависимости от его/ее зарплаты. Я нашел несколько способов сделать это:

# method 1
df['is_rich_method1'] = np.where(df['salary']>=50, 'yes', 'no')

# method 2
df['is_rich_method2'] = ['yes' if x >= 50 else 'no' for x in df['salary']]

# method 3
df['is_rich_method3'] = 'no'
df.loc[df['salary'] > 50,'is_rich_method3'] = 'yes'

в результате чего:

enter image description here

Однако я не понимаю, какой предпочтительный способ. Все ли методы одинаково хороши в зависимости от вашего приложения?

4b9b3361

ОТВЕТЫ

Ответ 1

Используйте timeits, Люк!

enter image description here

Заключение
Постижения списков лучше всего работают с меньшими объемами данных, поскольку они требуют очень мало накладных расходов, даже если они не векторизованы. OTOH, на больших данных, loc и numpy.where работают лучше - векторизация побеждает день.

Помните, что применимость метода зависит от ваших данных, количества условий и типа данных ваших столбцов. Мое предложение состоит в том, чтобы проверить различные методы на ваших данных, прежде чем выбрать вариант.

Тем не менее, одно из достоинств этого подхода заключается в том, что списочные представления довольно конкурентоспособны: они реализованы на C и высоко оптимизированы для повышения производительности.

Код для сравнения, для справки. Вот функции по времени:

def numpy_where(df):
  return df.assign(is_rich=np.where(df['salary'] >= 50, 'yes', 'no'))

def list_comp(df):
  return df.assign(is_rich=['yes' if x >= 50 else 'no' for x in df['salary']])

def loc(df):
  df = df.assign(is_rich='no')
  df.loc[df['salary'] > 50, 'is_rich'] = 'yes'
  return df