조건부 열 생성을 달성하는 방법: Pandas DataFrame에서 If-Elif-Else 탐색?

조건부 열 생성: Pandas의 If-Elif-Else

주어진 문제에서는 DataFrame에 새 열을 추가해야 합니다. 일련의 조건부 기준을 기반으로 합니다. 문제는 코드 효율성과 가독성을 유지하면서 이러한 조건을 구현하는 것입니다.

함수 적용을 사용한 솔루션

한 가지 접근 방식은 각 행을 원하는 결과에 매핑하는 함수를 만드는 것입니다. 조건에 따라:

<code class="python">def f(row):
    if row['A'] == row['B']:
        return 0
    elif row['A'] > row['B']:
        return 1
    else:
        return -1

df['C'] = df.apply(f, axis=1)</code>

이 방법은 읽기 쉽고 구현하기 쉽지만 벡터화되지 않으며 대규모 데이터 세트의 경우 성능 문제가 발생할 수 있습니다.

벡터화된 솔루션

효율성을 위해 NumPy의 np.where 함수를 사용하는 벡터화된 접근 방식이 권장됩니다.

<code class="python">df['C'] = np.where(
    df['A'] == df['B'], 0, np.where(
    df['A'] > df['B'], 1, -1))</code>

이 작업은 DataFrame에서 요소별로 조건부 선택을 수행하여 새 열을 생성합니다.

이 벡터화된 접근 방식은 함수 기반 방법에 비해 상당한 성능 이점을 제공합니다. 또한 조건부 기준을 더욱 간결하고 읽기 쉽게 구현할 수 있습니다.

위 내용은 조건부 열 생성을 달성하는 방법: Pandas DataFrame에서 If-Elif-Else 탐색?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!