对比Excel，用Pandas轻松搞定IF函数操作（df.where与df.mask）

大家好，我是才哥。

在 Excel 中IF 函数是最常用的函数之一，它可以对值和期待值进行逻辑比较。 因此IF 语句可能有两个结果： 第一个结果是比较结果为 True，第二个结果是比较结果为 False。

例如，=IF(C2=”Yes”,1,2) 表示 IF(C2 = Yes, 则返回 1, 否则返回 2)。

那么，在Pandas里我们可以怎么来轻松搞定这一操作呢？

今天，我们就来了解一下！

目录：

1. 案例需求

原始数据如下，是一份虚构的学生成绩单

姓名	语文	数学	英语	性别
才哥	91	95	92	1
小明	82	93	91	1
小华	82	87	94	1
小草	46	55	58	0
小红	51	41	70	0
小花	58	59	40	0
小龙	70	55	59	1
杰克	53	44	42	1
韩梅梅	45	51	67	0

现在我们有两个需求：

• 语数英三科评级，低于60分标记为不及格、60-89为及格、90分以上为高分；
• 性别中1为男性、0为女性。

2. Excel轻松搞定

如果用Excel来处理，首先可以想到用IF函数的方法

对于语数英科目评级中，可以用到以下公式实现：

=IF(B2<60,"不及格",IF(B2<90,"及格","高分"))

对于性别标识来说，可以用以下公式实现：

=IF(E2=1,"男","女")

当然了，以上是IF函数的方法，我们还可以用lookup进行实现：

# 语数外三科评级
=LOOKUP(B2,{0,"不及格";60,"及格";90,"高分"})
# 性别标识
=LOOKUP(E2,{0,"女";1,"男"})

需要注意的是，LOOKUP中的条件是向后兼容哈

3. Pandas处理

这里通过df.where和np.where两个函数来实现需求，先看代码，然后我们再讲解下

import pandas as pd

# 读取数据
df = pd.read_excel(r'F:\Python\pandas数据处理\案例数据.xlsx')

# 筛选 语数外 评分
score = df.loc[:,'语文':'英语']
# 评级
data = score.where(score>100, np.where(score<60,"不及格", np.where(score<90,"及格","高分")))
# 性别
data['性别'] = df['性别'].where(df['性别']>100, np.where(df['性别']==0, '女性', '男性'))

data.insert(0,'姓名', df['姓名'])
data

以上实现方案中，用到的两个where函数，其实就和excel里的if很类似。

df.where

该函数可以将满足条件的函数筛选出来，将不满足条件的值赋值为另外一个值，默认情况下为NaN。

Signature:
df.where(
    cond,
    other=nan,
    inplace=False,
    axis=None,
    level=None,
    errors='raise',
    try_cast=<no_default>,
)
Docstring:
Replace values where the condition is False.

从函数介绍来看，它能做到的只有一种条件判断，然后只能对不满足要求的值进行赋值操作，比如：

# 显示≥60的值，低于60分显示为 不及格
df[['语文','数学','英语']].where(df[['语文','数学','英语']]>60, '不及格')

np.where

既然df.where无法对多种情况进行分别赋值， 那么np.where就来了

Docstring:
where(condition, [x, y])

Return elements chosen from `x` or `y` depending on `condition`.

Parameters
----------
condition : array_like, bool
    Where True, yield `x`, otherwise yield `y`.
x, y : array_like
    Values from which to choose. `x`, `y` and `condition` need to be
    broadcastable to some shape.

Returns
-------
out : ndarray
    An array with elements from `x` where `condition` is True, and elements
    from `y` elsewhere.

和Excel中IF函数更接近的其实就是np.where这个函数，如果条件满足则赋值x，否则赋值y。

比如：

>>> import numpy as np
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.where(a < 5, a, 10*a)
array([ 0,  1,  2,  3,  4, 50, 60, 70, 80, 90])

上述例子中，如果值小于5，则显示值本身；反之则 乘以10。

我们就可以构建对科目评分进行评级的双层条件，具体如下：

# 如果小于60就不及格，否则再进行后面的判断
np.where(score<60,"不及格", np.where(score<90,"及格","高分"))

基于以上的介绍，我们要完成本次的需求就有了以下的实现方案：

# 筛选 语数外 评分
score = df.loc[:,'语文':'英语']
# 评级
data = score.where(score>100, np.where(score<60,"不及格", np.where(score<90,"及格","高分")))
# 性别
data['性别'] = np.where(df['性别']==0, '女性', '男性')

需要注意的是，这里咱们对性别标识的处理稍微区别于开头的完整代码中的，大家知道为什么可以这么写吗？（DataFrame和Series的小区别）

以上，就是本次用Pandas实现Excel里IF函数方法的操作了，感兴趣的你可以试试哦！

4. 延伸

tips one

既然有 df.where 筛选满足条件的值显示，不满足的进行赋值。那么，是不是有筛选满足条件的值进行赋值，不满足的值显示呢？

答案是肯定的！

这便是df.mask函数方法，其效果和df.where基本相反。

>>> import pandas as pd
>>> s = pd.Series(range(5))
>>> s.where(s > 0)
0    NaN
1    1.0
2    2.0
3    3.0
4    4.0
dtype: float64
>>> s.mask(s > 0)
0    0.0
1    NaN
2    NaN
3    NaN
4    NaN
dtype: float64
>>> s.where(s > 1, 10)
0    10
1    10
2     2
3     3
4     4
dtype: int64
>>> s.mask(s > 1, 10)
0     0
1     1
2    10
3    10
4    10
dtype: int64

tips two

其实吧，实现我们今天案例的需求还有很多方案，这里再简单介绍几种思路（答案可见后续推文）

• 通过 自定义函数 if else来处理，然后apply或map调用
• 通过 cut分箱 来处理
• 通过 replace 来处理
• 又或者 where与mask组合来处理
• 其他方案

感兴趣的朋友，可以试试哦，然后我们一起交流交流

添加作者微信 gdc2918，加入交流群搞起~~