Estoy creando una tabla con pandas donde las dos primeras columnas son creadas con numpy arrays:
age = np.random.randint(20,85,size=400)
possible_genders = ['male','female']
gender = [np.random.choice(possible_genders) for i in range(400)]
la tabla en si es:
df = pd.DataFrame({'age': age, 'gender': gender})
Entonces quiero crear una tercera columna que sea otro array cuyos valores estén en función de varoles age y gender de la siguiente forma:
for index, row in df.iterrows():
if gender == 'male' and age > 45:
print(1)
elif gender == 'male' and age < 45:
print(2)
elif gender == 'female' and age > 55:
print(3)
else:
print(4)
De momento sólo he puesto los prints para testear si discrimina cada caso bien en relación a la tabla original pero el output que generan los prints es una columna de 400 cuatros:
¿A qué se debe? ¿Cómo puedo conseguir esta discriminación de forma efectiva?
if row.gender
yrow.age
en vez deif gender
yage
? Entiendo quegender
yage
son otras variables que no tienen nada qué ver (son las listas que usaste al principio para crear el dataframe ¿no?)print
. Incluso puedes aceptar tu propia respuesta si no aparecen otras pasado un tiempo. Cuidado con la indentación al pegar código. Mira esto: bit.ly/SOesPASTE