Pandas 的 case_when 函数从 R 语言到 Python 的转变

在本文中，我们将介绍 Pandas 的 case_when 函数，这是一个相当实用的函数，可以把 R 语言中的 case_when 函数用于 Python。

什么是 case_when 函数？

case_when 函数是一种可用于计算机语言中的条件函数。它通常用于逻辑判断语句中，用于解决多个条件同时满足时的处理问题。举个例子，当我们需要筛选一个数据集中一部分数据时，我们可以使用 case_when 函数对其中需要筛选的数据进行判断并进行处理。在 R 语言中，case_when 函数非常常见，通常用于清洗数据，可以说 R 中是一个相当重要的函数。Python 中也有 case_when 的类似函数，但是使用方式有所不同。

case_when 函数在 R 语言中

在 R 语言中，case_when 函数可以执行灵活和复杂的逻辑操作。下面是一个简单的例子，演示如何使用 case_when 函数将一个数据集中一个特定的变量进行二值划分：

df %>%
  mutate(`binary_var` = case_when(
    var > 0 ~ "positive",
    var < 0 ~ "negative",
    TRUE ~ "zero"
  ))

在上面的代码中，我们对一个变量进行了划分，当变量大于0时，值设置为“positive”；当小于0时，设置为“negative”；当等于0时，设置为“zero”。在这种情况下，我们使用 case_when 函数，可以轻松地实现这个赋值。

case_when 函数在 Python 中

Python 中的 Pandas 库也有一个类似的函数，可以实现类似的功能。在 Pandas 中，我们可以使用 numpy 库中的 select 函数来实现条件语句。下面是一个示例代码，演示如何使用 Pandas 中的 case_when 函数：

import numpy as np
import pandas as pd

df['binary_var'] = np.select(
    [df.var > 0, df.var < 0, df.var == 0],
    ['positive', 'negative', 'zero'], 
    default='unknown'
)

这里，我们使用了 np.select 函数进行数值分段，并将其存储在名为“binary_var”的新列中。第一个参数是一个包含一组 BooLean 条件的列表，第二个参数是一个包含条件的值列表，第三个参数是默认值。如果不提供默认值，则未满足条件的单元格将被保留为空。

这种方法的好处在于，它提供了非常高的灵活性。我们可以更轻松地写出复杂的条件语句。例如，在这里我们可以根据多个变量的值来构造一个交叉条件，如下所示：

np.select(
    [df.var > 0, df.col2 == 'value', df.col3 < 5],
    ['condition1', 'condition2', 'condition3'],
    default='none'
)

这将返回一个根据三列构建交叉条件的向量。

在 Pandas 中，case_when 函数可以更加方便地完成类似的任务。例如，您可以使用它来创建一列以描述给出的数据集中不同高度的人的体型：

df['Body Type'] = pd.Series(np.where(df.Height > 180, 'Tall', 'Short'), df.index)

上述代码将创建一个“Body Type”的列，其中包含所有高度大于 180 厘米的人，赋值为“Tall”，而所有高度小于或等于 180 厘米的人将赋值为“Short”。

总结

我们已经介绍了 Pandas 中的 case_when 函数，该函数可以用来解决多条件逻辑判断问题。在上面的例子中，我们展示了如何在 R 语言中和 Python 中分别使用 case_when 函数，分别使用了 mutate 函数和 np.select 函数。尽管在两种语言中使用的函数略有不同，但它们的目的都是为了构建依赖于条件的值的列，这是数据分析和处理过程中非常常见的操作。

了解这种函数的使用将会对您在数据清洗和处理阶段的编程工作非常有帮助，在 Pandas 中深入了解这个函数，能够帮助你更好地处理实际数据分析和处理过程中遇到的问题。