Pandas中case_when()方法使用小結

更新時間：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,它可以用于條件性地創(chuàng)建新的列,類似于 SQL 中的?CASE WHEN?語句,下面就來介紹一下,感興趣的可以了解一下

在 Python 數(shù)據分析中，Pandas 是一個強大的庫，用于處理和分析數(shù)據。它提供了各種各樣的方法和函數(shù)，使數(shù)據轉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 語句。我們將詳細討論該方法的用法，并提供豐富的示例代碼。

什么是 case_when() 方法？

case_when() 方法是 Pandas 庫中的一個函數(shù)，它允許我們根據條件創(chuàng)建新的列。這個方法通常用于根據數(shù)據的某些特征或條件來生成新的數(shù)據列，類似于使用 if-else 語句進行條件判斷。

在 Pandas 中，case_when() 方法通常與 apply() 方法結合使用，以便根據條件對每一行數(shù)據進行操作。它提供了一種更靈活的方式來處理數(shù)據，而不需要編寫大量的條件判斷語句。

case_when() 方法的語法

case_when() 方法的語法如下：

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

參數(shù)說明：

conditions：條件列表，用于定義何時應用哪個值。
values：與條件列表中的每個條件相對應的值列表，用于指定滿足條件時要應用的值。
default：可選參數(shù)，用于指定默認值，當沒有條件匹配時將使用該值。
*args 和 **kwargs：其他參數(shù)，用于傳遞給 apply() 方法。

示例代碼

通過幾個示例來演示 case_when() 方法的用法。

示例 1：基本用法

假設有一個包含學生分數(shù)的數(shù)據集，我們想根據分數(shù)判斷他們的等級。

可以使用 case_when() 方法來實現(xiàn)這個任務：

import pandas as pd

# 創(chuàng)建示例數(shù)據集
data = {'學生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分數(shù)': [85, 70, 95, 60, 75]}

df = pd.DataFrame(data)

# 定義條件和對應的值
conditions = [df['分數(shù)'] >= 90, (df['分數(shù)'] >= 80) & (df['分數(shù)'] < 90), df['分數(shù)'] < 80]
values = ['優(yōu)秀', '良好', '及格']

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

# 輸出結果
print(df)

以上代碼將根據學生的分數(shù)創(chuàng)建一個新的等級列，并根據條件將相應的等級分配給每個學生。

示例 2：使用默認值

有時候，某些數(shù)據可能不滿足任何條件。在這種情況下，可以使用默認值來處理這些情況：

import pandas as pd

# 創(chuàng)建示例數(shù)據集
data = {'學生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分數(shù)': [85, 70, 95, 60, None]}

df = pd.DataFrame(data)

# 定義條件和對應的值
conditions = [df['分數(shù)'] >= 90, (df['分數(shù)'] >= 80) & (df['分數(shù)'] < 90), df['分數(shù)'] < 80]
values = ['優(yōu)秀', '良好', '及格']

# 使用 case_when() 方法創(chuàng)建新列，并設置默認值為 '未知'
df['等級'] = df['分數(shù)'].case_when(conditions, values, default='未知')

# 輸出結果
print(df)

在這個示例中，使用了一個包含空值的數(shù)據集，并使用 default 參數(shù)將沒有匹配條件的行標記為“未知”。

示例 3：使用 apply() 方法

case_when() 方法通常與 apply() 方法一起使用，以便根據多個條件對數(shù)據集的每一行進行操作。

以下是一個示例，根據學生的分數(shù)和出勤情況來計算他們的最終成績：

import pandas as pd

# 創(chuàng)建示例數(shù)據集
data = {'學生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分數(shù)': [85, 70, 95, 60, 75],
        '出勤率': [90, 80, 95, 70, 85]}

df = pd.DataFrame(data)

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

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

# 輸出結果
print(df)

在這個示例中，使用 apply() 方法定義了一個自定義函數(shù) calculate_grade()，該函數(shù)基于多個條件來計算最終成績，并將其應用于數(shù)據集的每一行。

示例 4：多條件的復雜情況

有時候，需要根據多個條件的組合來生成新的列。

例如，可以根據學生的分數(shù)和出勤情況來確定他們是否能夠獲得獎學金：

import pandas as pd

# 創(chuàng)建示例數(shù)據集
data = {'學生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分數(shù)': [85, 70, 95, 60, 75],
        '出勤率': [90, 80, 95, 70, 85]}

df = pd.DataFrame(data)

# 定義多條件和對應的值
conditions = [(df['分數(shù)'] >= 90) & (df['出勤率'] >= 90),
              (df['分數(shù)'] >= 80) & (df['出勤率'] >= 80),
              (df['分數(shù)'] >= 60) & (df['出勤率'] >= 70)]

values = ['獲獎學金', '榮譽獎', '合格']

# 使用 case_when() 方法創(chuàng)建新列
df['獎勵'] = df.apply(lambda row: row['分數(shù)'].case_when(conditions, values, default='未獲獎'), axis=1)

# 輸出結果
print(df)

在這個示例中，定義了多個條件和對應的值，并使用 apply() 方法將 case_when() 方法應用于每一行數(shù)據，根據多個條件的組合來確定是否獲得獎學金。

示例 5：根據多列生成新列

有時候，需要根據多列的值生成新的列。

例如，可以根據學生的分數(shù)和出勤情況來生成一個總分列：

import pandas as pd

# 創(chuàng)建示例數(shù)據集
data = {'學生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分數(shù)1': [85, 70, 95, 60, 75],
        '分數(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['分數(shù)1'] + row['分數(shù)2'], axis=1)

# 輸出結果
print(df)

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

示例 6：處理缺失值

case_when() 方法也可以用于處理缺失值。

例如，可以根據分數(shù)是否缺失來為學生分配等級：

import pandas as pd
import numpy as np

# 創(chuàng)建示例數(shù)據集
data = {'學生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        '分數(shù)': [85, np.nan, 95, 60, 75]}

df = pd.DataFrame(data)

# 定義條件和對應的值
conditions = [df['分數(shù)'].notna() & (df['分數(shù)'] >= 90),
              df['分數(shù)'].notna() & (df['分數(shù)'] >= 80),
              df['分數(shù)'].notna() & (df['分數(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'] = df['分數(shù)'].case_when(conditions, values, default='不及格')

# 輸出結果
print(df)

在這個示例中，使用 notna() 方法來檢查分數(shù)是否缺失，并根據條件來為每個學生分配等級。

總結

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用法。這個方法對于數(shù)據分析和數(shù)據轉換任務非常有用，可以根據條件創(chuàng)建新的列，處理多條件組合和缺失值，并生成新的數(shù)據集。希望通過本文的示例代碼和解釋，能更好地理解和運用 case_when() 方法。這將有助于更靈活地處理各種數(shù)據分析和數(shù)據處理任務。

到此這篇關于Pandas中case_when()方法使用小結的文章就介紹到這了,更多相關Pandas case_when()方法內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關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: