如何基于Pandas DataFrame的x、y坐标列判断数据所属象限

实现方案 #

你完全可以通过循环完成该需求，也可以使用pandas生态下的向量化操作实现，后者运行效率更高、代码更简洁，两种实现方式如下：

1. 循环实现

适合小数据量场景，逻辑和你描述的判断规则完全对齐：

import pandas as pd

# 假设你的DataFrame变量名为 df
for idx, row in df.iterrows():
    x = row['x_center']
    y = row['y_center']
    if x >= 0 and y >= 0:
        df.loc[idx, 'quadrant'] = 1
    elif x < 0 and y >= 0:
        df.loc[idx, 'quadrant'] = 2
    elif x < 0 and y < 0:
        df.loc[idx, 'quadrant'] = 3
    elif x > 0 and y < 0:
        df.loc[idx, 'quadrant'] = 4

2. 向量化实现（推荐）

利用numpy.select批量处理所有行，数据量越大性能优势越明显：

import pandas as pd
import numpy as np

# 按顺序定义所有判断条件
conditions = [
    (df['x_center'] >= 0) & (df['y_center'] >= 0),
    (df['x_center'] < 0) & (df['y_center'] >= 0),
    (df['x_center'] < 0) & (df['y_center'] < 0),
    (df['x_center'] > 0) & (df['y_center'] < 0)
]
# 定义条件对应返回的象限值
quadrant_values = [1, 2, 3, 4]
# 批量赋值给quadrant列
df['quadrant'] = np.select(conditions, quadrant_values)

最终计算结果

对你给出的示例数据执行代码后，结果如下：

内容的提问来源于stack exchange，提问作者Yumeng Xu