0

Tengo el siguiente DataFrame con Pandas:

datos = pd.DataFrame({'Loc': ['A', 'B', 'C', 'D'], 
                  'eventAccel': ['0', '0', '1', '2'],
                  'eventBrake': ['2', '0', '0', '1']}
                   )

Quiero crear una nueva columna llamada "eventType" que sea:
0 si eventAccel = 0 y eventBrake = 0
1 si eventAccel > 0 y eventBrake = 0
2 si eventAccel = 0 y eventBrake > 0
3 si eventAccel > 0 y eventBrake > 0

2 respuestas 2

4

Primero, si el tipo de ambas columnas no es integer debes hacer el casting primero para que la comparación sea apropiada y eficiente. Partiendo de dos columnas de tipo int, puedes usar pandas.DataFrame.apply y una función Python que en base a condicionales retorne el valor adecuado:

import pandas as pd



datos = pd.DataFrame({'Loc': ['A', 'B', 'C', 'D'], 
                      'eventAccel': ['0', '0', '1', '2'],
                      'eventBrake': ['2', '0', '0', '1']},
                      dtype=int
                     )

def categorizar(fila):
    eventAccel = fila.eventAccel
    eventBrake = fila.eventBrake
    if eventAccel == 0:
        if eventBrake == 0:
            return 0
        elif eventBrake > 0:
            return 2

    elif eventAccel > 0:
        if eventBrake == 0:
            return 1
        elif eventBrake > 0:
            return 3

    return -1 # ¿Si ninguna se cumple que hacemos?


datos["Categoría"] = datos.apply(categorizar, axis=1)

Aunque flexible, las llamadas a funciones Python repercuten considerablemente en el rendimiento. Si quieres optimizar para mejorar el tiempo de ejecución notablemente se puede vectorizar usando NumPy:

import numpy as np
import pandas as pd



datos = pd.DataFrame({'Loc': ['A', 'B', 'C', 'D'], 
                      'eventAccel': ['0', '0', '1', '2'],
                      'eventBrake': ['2', '0', '0', '1']},
                      dtype=int
                     )

condiciones = [(datos.eventAccel == 0) & (datos.eventBrake == 0),
               (datos.eventAccel > 0) & (datos.eventBrake == 0),
               (datos.eventAccel == 0) & (datos.eventBrake > 0),
               (datos.eventAccel > 0) & (datos.eventBrake > 0)
               ]
elecciones = np.array((0, 1, 2, 3), dtype="int8")
datos["Categoría"] = np.select(condiciones, elecciones, -1)

Para un DataFrame de 10000 filas tenemos:

pandas.DataFrame.apply y función Python: 1.5267951488494873 segundos
numpy.select y máscaras booleanas:             0.0054912567138671 segundos

Se debe proporcionar un valor para el caso en el que ninguna condición se cumple (si se puede dar este caso). En este caso se usa -1 para preservar el tipo. Si se quiere usar NaN (np.nan) no hay problema, pera lo columna debe ser de tipo float, por ahora Pandas no soporta NaN en columnas de tipo entero, aunque esto va a cambiar pronto (característica en beta actualmente).

1
  • ¡Muchas gracias, funciona muy bien! Commented el 2 sept. 2018 a las 20:03
0

En caso de ser util par alguien a mi me sirvio esta simple linea de codigo con Numpy.

XY['Nueva Columna'] = np.where(XY['La columna que quiero filtrar'] > 4, '1','0')

0 y 1 son las dos valores que quiero como nuevos en mi nueva preciosa columna.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.