作者：月獠_189 | 来源：互联网 | 2024-10-09 17:08
我有一个如下所示的数据框
df = pd.DataFrame({'text': ["Hi how","I am fine","Ila say Hi","hello"],
'tokens':["test","correct","Tim",np.nan],
'labels':['A','B','C','D']})
而不是多个 np.where 条件，我想使用Oror|运算符来检查条件中的多个值，np.where如下所示
df['labels'] = np.where(df['tokens'] == ('test'|'correct'|is.na()),'new_label',df['labels'])
但是，这会导致错误
类型错误：不支持 | 的操作数类型：'str' 和 'str'
我希望我的输出如下所示。对于具有数百万条记录的大数据，我如何有效地做到这一点？
回答
第一个想法是用列表中的某个值替换缺失值，例如test，然后比较Series.isin：
df['labels'] = np.where(df['tokens'].fillna('test').isin(['test','correct']),
'new_label',
df['labels'])
print (df)
text tokens labels
0 Hi how test new_label
1 I am fine correct new_label
2 Ila say Hi Tim C
3 hello NaN new_label
或者通过|按位OR形式 compare链接另一个掩码NaN：
df['labels'] = np.where(df['tokens'].isin(['test','correct']) | df['tokens'].isna(),
'new_label',
df['labels'])
print (df)
text tokens labels
0 Hi how test new_label
1 I am fine correct new_label
2 Ila say Hi Tim C
3 hello NaN new_label
京公网安备 11010802041100号