如何根据另一列中的条件创建新列

Question

在 pandas 中，如何基于 df 中的列 A 创建新列 B，例如：

• B=1< /code> if A_(i+1)-A_(i) > 5 或 A_(i) <= 10
• B=0 如果 A_(i+1)-A_(i) <= 5

但是，第一个 B_i 值始终为 1

示例：

A	B
5	1（第一个 B_i）
12	1
14	0
22	1
20	0
33	1

Answer 1

使用 diff< /a> 与您的值进行比较，并使用 le ：

N = 5
df['B'] = (~df['A'].diff().le(N)).astype(int)

注意。使用 le(5) 与反转比较可以使第一个值为 1
输出：

    A  B
0   5  1
1  12  1
2  14  0
3  22  1
4  20  0
5  33  1

更新的答案，只需将第二个条件与 OR (|) 结合起来：

df['B'] = (~df['A'].diff().le(5)|df['A'].lt(10)).astype(int)

输出：与上面提供的数据相同

Answer 2

我对你的行计数有点困惑，因为如果我们根据条件 A_(i+1)-A_(i)< 计算 B_i ，我们应该在最后一行而不是第一行缺少值/code> （第一行应同时包含 A_(i) 和 A_(i+1)，最后一行应缺少 A_(i+1)值。

不管怎样，根据你的例子，我假设我们计算B_(i+1)

import pandas as pd
df = pd.DataFrame(columns=["A"],data=[5,12,14,22,20,33])
df['shifted_A'] = df['A'].shift(1) #This row can be removed - it was added only show to how shift works on final dataframe
df['B']=''
df.loc[((df['A']-df['A'].shift(1))>5) + (df['A'].shift(1)<=10), 'B']=1 #Update rows that fulfill one of conditions with 1
df.loc[(df['A']-df['A'].shift(1))<=5, 'B']=0 #Update rows that fulfill condition with 0
df.loc[df.index==0, 'B']=1 #Update first row in B column
print(df)

    A  shifted_A  B
0   5        NaN  1
1  12        5.0  1
2  14       12.0  0
3  22       14.0  1
4  20       22.0  0
5  33       20.0  1

。 稍微解释一下

：

df.loc[mask, columnname]=newvalue 允许我们在满足条件（掩码）时更新给定列中的值

(df['A']-df['A'].shift(1))>5) + (df['A'].shift(1)<=10)
这里的每个条件都返回 True 或 False。如果我们将它们相加，如果其中任何一个为 True，则结果为 True（简单的 OR）。如果我们需要 AND 我们可以将条件相乘

Answer 3

使用 Series.diff，在比较大于或等于后将 1 的第一个缺失值替换为 Series.ge：

N = 5
df['B'] = (df.A.diff().fillna(N).ge(N) | df.A.lt(10)).astype(int)
print (df)
    A  B
0   5  1
1  12  1
2  14  0
3  22  1
4  20  0
5  33  1