Python如何基于多列规则生成新列Sponsor

需求与现有数据 #

需要给DataFrame新增一列Sponsor，值的生成规则如下：

• 当Program为"A"或"B"，且Source列包含"Global"时，取值为Owner列的内容
• 其余情况取值为Source列的内容

现有原始数据：

Program    Source      Region  Owner
    A       Global        ECAN   Girl
    B       Regional       US    Boy
    C       Delta Global  EMEA   Girl 

原代码存在的问题 #

你写的代码有几个明显错误：

1. Python字符串没有contains方法，判断子串是否存在应该用'Global' in row['Source']
2. 逻辑运算符使用错误：Python里逻辑与/或要用and/or，&/|是位运算符，不适合这里的逻辑判断
3. 逻辑优先级错误：原代码未给(row['Program'] == 'A') | (row['Program'] == 'B')加括号，会导致逻辑判断顺序出错，应该先判断Program是否为A或B，再和Source的条件做与运算
4. 代码格式错误：else块的return语句没有缩进，不符合Python语法规范

修正后的代码方案 #

方案1：修正原有apply方法 #

针对原代码的错误逐一修正：

def SetSponsor(row):
    if (row['Program'] == 'A' or row['Program'] == 'B') and 'Global' in row['Source']:
        return row['Owner']
    else:
        return row['Source']
                
df['Sponsor'] = df.apply(SetSponsor, axis=1)

方案2：矢量化操作（推荐） #

逐行apply的效率较低，推荐用pandas和numpy的矢量化方法实现，运行速度更快：

import numpy as np

# 构建符合规则的布尔条件
condition = df['Program'].isin(['A', 'B']) & df['Source'].str.contains('Global')
# 根据条件赋值
df['Sponsor'] = np.where(condition, df['Owner'], df['Source'])

最终结果 #

运行上述代码后，DataFrame会新增Sponsor列，结果如下：

Program    Source      Region  Owner  Sponsor
    A       Global        ECAN   Girl     Girl
    B       Regional       US    Boy  Regional
    C       Delta Global  EMEA   Girl  Delta Global

内容的提问来源于stack exchange，提问作者Ziggy