Membuat kolom baru berdasarkan kondisi if-elif-else

Saya memiliki DataFrame df:

    A    B
a   2    2 
b   3    1
c   1    3

Saya ingin membuat kolom baru berdasarkan kriteria berikut:

jika baris A == B: 0

jika barisA > B: 1

jika baris A < B: -1

Jadi mengingat tabel di atas, seharusnya:

    A    B    C
a   2    2    0
b   3    1    1
c   1    3   -1 

Untuk if elsekasus - kasus umum yang saya lakukan np.where(df.A > df.B, 1, -1), apakah panda menyediakan sintaks khusus untuk menyelesaikan masalah saya dengan satu langkah (tanpa perlu membuat 3 kolom baru dan kemudian menggabungkan hasilnya)?

Untuk memformalkan beberapa pendekatan yang diuraikan di atas:

Buat fungsi yang beroperasi pada baris dataframe Anda seperti ini:

def f(row):
    if row['A'] == row['B']:
        val = 0
    elif row['A'] > row['B']:
        val = 1
    else:
        val = -1
    return val

Kemudian terapkan ke dataframe Anda dengan memasukkan axis=1opsi:

In [1]: df['C'] = df.apply(f, axis=1)

In [2]: df
Out[2]:
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

Tentu saja, ini tidak vektor sehingga kinerja mungkin tidak sebaik saat diskalakan ke sejumlah besar rekaman. Namun, menurut saya ini jauh lebih mudah dibaca. Terutama yang berlatar belakang SAS.

Edit

Berikut adalah versi vektornya

df['C'] = np.where(
    df['A'] == df['B'], 0, np.where(
    df['A'] >  df['B'], 1, -1)) 

df.loc[df['A'] == df['B'], 'C'] = 0
df.loc[df['A'] > df['B'], 'C'] = 1
df.loc[df['A'] < df['B'], 'C'] = -1

Mudah dipecahkan menggunakan pengindeksan. Baris pertama kode berbunyi demikian, jika kolom Asama dengan kolom Bmaka buat dan atur kolom Csama dengan 0.

Untuk hubungan khusus ini, Anda dapat menggunakan np.sign:

>>> df["C"] = np.sign(df.A - df.B)
>>> df
   A  B  C
a  2  2  0
b  3  1  1
c  1  3 -1

Katakanlah di atas satu adalah kerangka data asli Anda dan Anda ingin menambahkan kolom baru 'lama'

Jika usia lebih dari 50 maka kami anggap lebih tua = ya jika tidak Salah

langkah 1: Dapatkan indeks baris yang usianya lebih dari 50

row_indexes=df[df['age']>=50].index

langkah 2: Menggunakan .loc kita dapat menetapkan nilai baru ke kolom

df.loc[row_indexes,'elderly']="yes"

sama untuk usia di bawah kurang dari 50 tahun

row_indexes=df[df['age']<50].index

df[row_indexes,'elderly']="no"