在熊猫数据框中应用 if 条件的方法
一般来说，在熊猫数据帧中，if 条件可以按列、行或单个单元格应用。进一步的文件举例说明了其中的每一个。
首先，我们将创建以下数据帧:
# importing pandas as pd
import pandas as pd
# create the DataFrame
df = pd.DataFrame({
'Product': ['Umbrella', 'Matress', 'Badminton',
'Shuttle', 'Sofa', 'Football'],
'MRP': [1200, 1500, 1600, 352, 5000, 500],
'Discount': [0, 10, 0, 10, 20, 40]
})
# display the DataFrame
print(df)
输出:
示例 1 : 列值(元组)上的 if 条件:if 条件可以应用于列值，就像当有人用 MRP < =2000 和折扣> 0 要求所有项目时，下面的代码会这样做。同样，任何数量的条件都可以应用于数据框的任何数量的属性。
# if condition with column conditions given
# the condition is if MRP of the product <= 2000
# and discount > 0 show me those items
df[(df['MRP'] <= 2000) & (df['Discount'] > 0)]
输出:
例 2 : if 条件对行值(元组) :这可以作为条件对列值的特例。如果给定了一个元组(Sofa，5000，20)，并在数据框中找到它，可以这样完成:
# if condition with row tuple given
df[(df['Product'] == 'Sofa') & (df['MRP'] == 5000) & (df['Discount']== 20)]
输出:
示例 3 : 使用 Lambda 函数:Lambda 函数接受输入并根据某个条件返回结果。它可以用来对熊猫数据框中的每个列元素应用特定的函数。以下示例使用 Lambda 函数设置折扣值的上限为 20，即如果任何单元格中的折扣值>为 20，则将其设置为 20。
# importing pandas as pd
import pandas as pd
# Create the dataframe
df = pd.DataFrame({
'Product': ['Umbrella', 'Matress', 'Badminton',
'Shuttle', 'Sofa', 'Football'],
'MRP': [1200, 1500, 1600, 352, 5000, 500],
'Discount': [0, 10, 0, 10, 20, 40]
})
# Print the dataframe
print(df)
# If condition on column values using Lambda function
df['Discount'] = df['Discount'].apply(lambda x : 20 if x > 20 else x)
print(df)
输出:
示例 4 : 使用iloc()或loc() 功能:iloc()和 loc() 功能都用于从数据帧中提取子数据帧。子数据框可以是从单个单元格到整个表格的任何内容。iloc()通常在我们知道行和列的索引范围时使用，而loc()用于标签搜索。
以下示例显示了这两个函数在数据框上传递条件的用法。这里取一个索引为[2，1]的单元格，这是羽毛球产品的物料需求计划。
# If condition on a cell value using iloc() or loc() functions
# iloc() is based on index search and loc() based on label search
# using iloc()
if df.iloc[2, 1] > 1500:
print("Badminton Price > 1500")
else:
print("Badminton Price < 1500")
# using loc()
print(df.loc[2, 'MRP'])
if df.iloc[2, 'MRP'] > 1500:
print("Badminton Price > 1500")
else:
print("Badminton Price < 1500")
输出:
