Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment créer une nouvelle colonne basée sur une condition dans Pandas



Souvent, vous souhaiterez peut-être créer une nouvelle colonne dans un DataFrame pandas en fonction de certaines conditions.

Ce didacticiel fournit plusieurs exemples de la manière de procéder à l’aide du DataFrame suivant :

import pandas as pd
import numpy as np

#create DataFrame
df = pd.DataFrame({'rating': [90, 85, 82, 88, 94, 90, 76, 75, 87, 86],
                   'points': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19],
                   'assists': [5, 7, 7, 8, 5, 7, 6, 9, 9, 5],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})

#view DataFrame
df

	rating	points	assists	rebounds
0	90	25	5	11
1	85	20	7	8
2	82	14	7	10
3	88	16	8	6
4	94	27	5	6
5	90	20	7	9
6	76	12	6	6
7	75	15	9	10
8	87	14	9	10
9	86	19	5	7

Exemple 1 : créer une nouvelle colonne avec des valeurs binaires

Le code suivant montre comment créer une nouvelle colonne appelée « Bon » où la valeur est « oui » si les points d’une ligne donnée sont supérieurs à 20 et « non » sinon :

#create new column titled 'Good'
df['Good'] = np.where(df['points']>20, 'yes', 'no')

#view DataFrame 
df

        rating	points	assists	rebounds  Good
0	90	25	5	11	  yes
1	85	20	7	8	  no
2	82	14	7	10	  no
3	88	16	8	6	  no
4	94	27	5	6	  yes
5	90	20	7	9	  no
6	76	12	6	6	  no
7	75	15	9	10	  no
8	87	14	9	10	  no
9	86	19	5	7	  no

Exemple 2 : créer une nouvelle colonne avec plusieurs valeurs

Le code suivant montre comment créer une nouvelle colonne appelée « Bon » où la valeur est :

  • « Oui » si les points ≥ 25
  • « Peut-être » si 15 ≤ points < 25
  • « Non » si les points < 15
#define function for classifying players based on points
def f(row):
    if row['points'] < 15:
        val = 'no'
    elif row['points'] < 25:
        val = 'maybe'
    else:
        val = 'yes'
    return val

#create new column 'Good' using the function above
df['Good'] = df.apply(f, axis=1)

#view DataFrame 
df

        rating	points	assists	rebounds Good
0	90	25	5	11	 yes
1	85	20	7	8	 maybe
2	82	14	7	10	 no
3	88	16	8	6	 maybe
4	94	27	5	6	 yes
5	90	20	7	9	 maybe
6	76	12	6	6	 no
7	75	15	9	10	 maybe
8	87	14	9	10	 no
9	86	19	5	7	 maybe

Exemple 3 : créer une nouvelle colonne basée sur une comparaison avec une colonne existante

Le code suivant montre comment créer une nouvelle colonne appelée « assist_more » où la valeur est :

  • « Oui » si passes décisives > rebonds.
  • ‘Non’ sinon.
#create new column titled 'assist_more'
df['assist_more'] = np.where(df['assists']>df['rebounds'], 'yes', 'no')

#view DataFrame 
df

        rating	points	assists	rebounds assist_more
0	90	25	5	11	 no
1	85	20	7	8	 no
2	82	14	7	10	 no
3	88	16	8	6	 yes
4	94	27	5	6	 no
5	90	20	7	9	 no
6	76	12	6	6	 no
7	75	15	9	10	 no
8	87	14	9	10	 no
9	86	19	5	7	 no

Vous pouvez trouver plus de didacticiels Python ici .

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *