Блог

Главная - Вопросы по программированию - Создайте новый столбец во фрейме данных pandas, выполняя условные уравнения для определения того, являются ли значения положительными или отрицательными

Создайте новый столбец во фрейме данных pandas, выполняя условные уравнения для определения того, являются ли значения положительными или отрицательными

#python #pandas

Вопрос:

В настоящее время у меня есть фрейм данных panda, который состоит из двух столбцов, столбца «индекс» и столбца «цена», как показано ниже: Фрейм данных Панд

Мне нужно создать новый столбец под названием «Журнал», в котором я хочу выполнить две отдельные операции в зависимости от того, являются ли данные в столбце «Цена» отрицательными или положительными. Для строк, которые являются положительными, мне нужно выполнить следующую операцию:

 df["Log"] = 10**(df['Price'])

И если число в столбцах «Цена» отрицательное, выполните приведенную ниже операцию, чтобы получить абсолютное значение этой ячейки:

 df["Log"] = -10**(df['Price'].abs())

Не могли бы вы, пожалуйста, показать мне код python, в котором описанные выше операции могут быть выполнены с исходным фреймом данных pandas, где конечный результат должен выглядеть следующим образом:

Окончательная ожидаемая структура фрейма данных

Я включил код для создания исходного фрейма данных ниже:

 # Create dataframe 
cars = {'Index': [1,2,3,4,5,6,7,8,9,10], 
        'Price': [2.266021, 2.160644, -2.266021, 2.103899, 2.019323, 2.134563, 2.193423, 2.495643, 2.129344, 2.876545]
        }

df = pd.DataFrame(cars, columns = ['Index', 'Price'])

print (df)

Комментарии:

1. См np.where() .раздел и для более сложных условных операций np.select() .

2. Вы действительно хотите увеличить цену в геометрической прогрессии и назвать ее логарифмом? Это противоположности друг друга.

Ответ №1:

Попробуйте с np.where 

 import numpy as np 

df["Log"] = np.where(df.Price<0, -10**(df['Price'].abs()), 10**(df['Price']))

Ответ №2:

Для положительных чисел df['Price'].abs() это то же самое, что и просто df['Price'] . Это может быть выражено без каких-либо условий:

 df["Log"] = np.sign(df['Price']) * (10**df['Price'].abs())
Метки: , ,