python – 如果使用Numpy和Pandas

在针对类似问题搜索几个论坛之后,似乎有一种快速迭代条件语句的方法是在Pandas上使用Numpy的np.where()函数.我在执行以下任务时遇到问题：

我有一个看起来像几行的数据集：

PatientID    Date1      Date2       ICD
1234         12/14/10   12/12/10    313.2, 414.2, 228.1
3213         8/2/10     9/5/12      232.1, 221.0

我正在尝试创建一个条件语句,以便：

 1. if strings '313.2' or '414.2' exist in df['ICD'] return 1
 2. if strings '313.2' or '414.2' exist in df['ICD'] and Date1>Date2 return 2
 3. Else return 0

鉴于Date1和Date2是日期时间格式,我的数据框编码为df,我有以下代码：

df['NewColumn'] = np.where(df.ICD.str.contains('313.2|414.2').astype(int), 1, np.where(((df.ICD.str.contains('313.2|414.2').astype(int))&(df['Date1']>df['Date2'])), 2, 0)

但是,此代码仅返回1和0的系列,并且不包括2.如何才能完成此任务？

解决方法:

你几乎拥有它,你需要传递一个原始字符串(前缀为r)包含所以它将它视为正则表达式：

In [115]:
df['NewColumn'] = np.where(df.ICD.str.contains(r'313.2|414.2').astype(int), 1, np.where(((df.ICD.str.contains(r'313.2|414.2').astype(int))&(df['Date1']>df['Date2'])), 2, 0))
df

Out[115]:
   PatientID      Date1      Date2                ICD  NewColumn
0       1234 2010-12-14 2010-12-12  313.2,414.2,228.1          1
1       3213 2010-08-02 2012-09-05        232.1,221.0          0

你得到1返回,因为它在第一个条件下短路,因为它已经满足,如果你想得到2返回,那么你需要重新安排评估的顺序：

In [122]:
df['NewColumn'] = np.where( (df.ICD.str.contains(r'313.2|414.2').astype(int)) & ( df['Date1'] > df['Date2'] ), 2 , 
                           np.where( df.ICD.str.contains(r'313.2|414.2').astype(int), 1, 0 ) )
df

Out[122]:
   PatientID      Date1      Date2                ICD  NewColumn
0       1234 2010-12-14 2010-12-12  313.2,414.2,228.1          2
1       3213 2010-08-02 2012-09-05        232.1,221.0          0