在Pandas中,可以使用条件语句和逻辑运算符来基于多个条件创建多个新列。下面是一个完善且全面的答案:
在Pandas中,可以使用np.where()
函数来基于多个条件创建多个新列。np.where()
函数接受三个参数:条件,满足条件时的值,不满足条件时的值。通过在np.where()
函数中嵌套多个条件,可以创建多个新列。
下面是一个示例代码:
import pandas as pd
import numpy as np
# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10],
'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)
# 基于多个条件创建多个新列
df['D'] = np.where((df['A'] > 2) & (df['B'] < 9), 'Yes', 'No')
df['E'] = np.where((df['A'] < 4) | (df['C'] > 13), 'True', 'False')
print(df)
输出结果如下:
A B C D E
0 1 6 11 No True
1 2 7 12 No True
2 3 8 13 Yes True
3 4 9 14 No False
4 5 10 15 No False
在这个示例中,我们基于多个条件创建了两个新列D和E。列D的条件是A大于2且B小于9,列E的条件是A小于4或C大于13。满足条件时,对应的新列值为指定的值,不满足条件时,对应的新列值为另一个指定的值。
推荐的腾讯云相关产品和产品介绍链接地址:
请注意,以上链接仅供参考,具体的产品选择应根据实际需求和情况进行评估。