pandas高效实现条件逻辑

作者|Louis Chan 编译|VK 来源|Towards Data Science

Python可以说是当今最酷的编程语言（多亏了机器学习和数据科学），但与最好的编程语言之一C相比，它的效率并不是很高。

在开发机器学习模型时，很常见的情况是，我们需要根据从统计分析或上一次迭代的结果导出的硬编码规则，然后以编程方式更新。承认这一点并不羞耻：我一直在用Pandas apply编写代码，直到有一天我对嵌套非常厌烦，于是决定研究（又称Google）其他更可维护、更高效的方法

演示数据集

我们将要使用的数据集是iris数据集，你可以通过pandas或seaborn免费获得它。

import pandas as pd
iris = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')

# import seaborn as sns
# iris = sns.load_dataset("iris")

iris数据集的前5行

数据统计信息

假设在初始分析之后，我们希望用以下逻辑标记数据集：

• 如果萼片长度（sepal length）< 5.1，则标签为0；

• 否则，如果萼片宽度（sepal width）> 3.3和萼片长度< 5.8，则标签为1；

• 否则，如果萼片宽度> 3.3，花瓣长度（petal length）> 5.1，则标签为2；

• 否则，如果萼片宽度> 3.3，花瓣长度< 1.6且萼片长度< 6.4或花瓣宽度< 1.3，则标签3；

• 否则，如果萼片宽度>3.3且萼片长度< 6.4或花瓣宽度< 1.3，则标签为4；

• 否则，如果萼片宽度> 3.3，则标签为5；

• 否则标签6

在深入研究代码之前，让我们快速地将一个新的label列设置为None：

iris['label'] = None

Pandas.iterrows+嵌套If Else块

如果你还在用这个，这篇博文绝对是适合你的地方！

%%timeit
for idx, row in iris.iterrows():
  if row['sepal_length'] < 5.1:
    iris.loc[idx, 'label'] = 0
  elif row['sepal_width'] > 3.3:
    if row['sepal_length'] < 5.8:
      iris.loc[idx, 'label'] = 1
    elif row['petal_length'] > 5.1:
      iris.loc[idx, 'label'] = 2
    elif (row['sepal_length'] <