如何在Dask DataFrame中使用多条件进行标签标注？

在Dask里有几种方式可以实现你需要的多条件打标签需求，和你用Pandas + np.where的逻辑完全兼容，下面是两种常用方案：

方案一：使用dask.array.where #

Dask的数组模块dask.array提供了和numpy.where用法几乎一致的where函数，可直接在Dask DataFrame的列操作中使用，逻辑和你Pandas的写法完全对应：

import dask.dataframe as dd
import dask.array as da
import pandas as pd

# 构造Dask DataFrame
df = dd.from_pandas(pd.DataFrame({'Name':['A','B','C'],
                    'Sex':['Male','Female','Male'],
                    'Height':[175,160,195]}), npartitions=1)

# 初始化Tag列
df['Tag'] = ""
# 第一个条件赋值
df['Tag'] = da.where((df['Sex'] == "Male") & (df['Height'] > 180.), "CT", df['Tag'])
# 第二个条件赋值
df['Tag'] = da.where((df['Sex'] == "Female") & (df['Height'] <= 180.), "GT", df['Tag'])

# 计算并查看结果
print(df.compute())

方案二：使用dask.dataframe.case（更适合多条件场景） #

如果后续需要添加更多条件，用case函数能让代码结构更清晰，它支持传入多组(条件, 对应标签)的元组，最后指定默认值即可：

import dask.dataframe as dd
import pandas as pd

# 构造Dask DataFrame
df = dd.from_pandas(pd.DataFrame({'Name':['A','B','C'],
                    'Sex':['Male','Female','Male'],
                    'Height':[175,160,195]}), npartitions=1)

# 多条件打标签
df['Tag'] = dd.case(
    [
        ((df['Sex'] == "Male") & (df['Height'] > 180.), "CT"),
        ((df['Sex'] == "Female") & (df['Height'] <= 180.), "GT")
    ],
    default=""
)

# 计算并查看结果
print(df.compute())

两种方案运行后都会得到和你Pandas示例完全一致的结果：

内容的提问来源于stack exchange，提问作者EZGAME_Herry