classificare una serie in una nuova colonna in panda

Question

Desidero poter prendere il mio attuale insieme di dati, che è pieno di inte, e classificarli secondo determinati criteri. La tabella ha un aspetto simile al seguente:

[in]> df = pd.DataFrame({'A':[0,2,3,2,0,0],'B': [1,0,2,0,0,0],'C': [0,0,1,0,1,0]}) 
[out]> 
    A B C 
0 0 1 0 
1 2 0 0 
2 3 2 1 
3 2 0 0 
4 0 0 1 
5 0 0 0 

Mi piacerebbe classificarli in una colonna separata per stringa. Essendo più familiare con R, ho provato a creare una nuova colonna con le regole nella definizione di quella colonna. Di seguito ho tentato con .ix e lambdas che hanno entrambi causato errori di tipo (tra gli interi & series). Ho l'impressione che questa sia una domanda abbastanza semplice. Anche se la seguente è completamente sbagliato, qui è la logica dal tentativo 1:

df['D']=(
if ((df['A'] > 0) & (df['B'] == 0) & df['C']==0): 
    return "c1"; 
elif ((df['A'] == 0) & ((df['B'] > 0) | df['C'] >0)): 
    return "c2"; 
else: 
    return "c3";) 

per un risultato finale di:

A B C  D 
0 0 1 0 "c2" 
1 2 0 0 "c1" 
2 3 2 1 "c3" 
3 2 0 0 "c1" 
4 0 0 1 "c2" 
5 0 0 0 "c3" 

Se qualcuno potesse aiutarmi a capirlo sarebbe molto apprezzato.

Answer 1

Posso pensare a due modi. Il primo è quello di dare una funzione di classificazione e quindi .apply esso riga-saggio:

>>> import pandas as pd 
>>> df = pd.DataFrame({'A':[0,2,3,2,0,0],'B': [1,0,2,0,0,0],'C': [0,0,1,0,1,0]}) 
>>> 
>>> def classifier(row): 
...   if row["A"] > 0 and row["B"] == 0 and row["C"] == 0: 
...     return "c1" 
...   elif row["A"] == 0 and (row["B"] > 0 or row["C"] > 0): 
...     return "c2" 
...   else: 
...     return "c3" 
...  
>>> df["D"] = df.apply(classifier, axis=1) 
>>> df 
    A B C D 
0 0 1 0 c2 
1 2 0 0 c1 
2 3 2 1 c3 
3 2 0 0 c1 
4 0 0 1 c2 
5 0 0 0 c3 

e il secondo è quello di utilizzare l'indicizzazione advanced:

>>> df = pd.DataFrame({'A':[0,2,3,2,0,0],'B': [1,0,2,0,0,0],'C': [0,0,1,0,1,0]}) 
>>> df["D"] = "c3" 
>>> df["D"][(df["A"] > 0) & (df["B"] == 0) & (df["C"] == 0)] = "c1" 
>>> df["D"][(df["A"] == 0) & ((df["B"] > 0) | (df["C"] > 0))] = "c2" 
>>> df 
    A B C D 
0 0 1 0 c2 
1 2 0 0 c1 
2 3 2 1 c3 
3 2 0 0 c1 
4 0 0 1 c2 
5 0 0 0 c3 

Quale è più chiara dipende dalla situazione. Di solito, più la logica è complessa, più è probabile che io possa racchiuderla in una funzione che posso quindi documentare e testare.