如何基于其他列计算值新增数据列？求替代numpy的实现方法

我想基于已有列的计算结果新增一个数据列。具体需求为：新增名为'small'的列，当'value'列的值小于5时，该列取值为1，否则取值为0。我已了解可通过numpy实现，代码如下：

import pandas as pd
import numpy as np
rawData = pd.read_csv('data.csv', encoding = 'ISO-8859-1')
rawData['small'] = np.where(rawData['value'] < 5, '1', '0')

请问还有其他实现方法吗？

当然有不少更简洁或者更灵活的替代方案，我给你分享几个常用的：

方法1：布尔值直接转整数（最简洁） #

Pandas的布尔序列可以直接通过astype(int)转换成整数，True会变成1，False变成0，完美匹配你的需求：

import pandas as pd
rawData = pd.read_csv('data.csv', encoding='ISO-8859-1')
rawData['small'] = (rawData['value'] < 5).astype(int)

这个方法比np.where更简洁，而且性能也很不错，因为是Pandas原生的向量化操作。

方法2：使用apply自定义判断 #

如果之后你的判断逻辑变得复杂（比如多条件嵌套），apply可以让你写更灵活的自定义函数，虽然对于这种简单场景性能不如向量化操作，但胜在直观易懂：

rawData['small'] = rawData['value'].apply(lambda x: 1 if x < 5 else 0)

这里用lambda表达式对每个'value'值做判断，返回对应的1或0。

方法3：使用pd.cut处理区间判断 #

如果以后需要扩展到多个区间的分类（比如小于5、5-10、大于10），pd.cut会是个很好的工具，针对当前需求也能实现：

rawData['small'] = pd.cut(
    rawData['value'],
    bins=[-float('inf'), 5, float('inf')],  # 划分区间：小于5，大于等于5
    labels=[1, 0]  # 对应区间的标签
).astype(int)

这种方法的优势在于扩展性强，后续调整区间只需要修改bins和labels即可。

内容的提问来源于stack exchange，提问作者Min