方式一： 直接用比較? ?df['B']=df[['B','C']].max(axis=1)

方式2 ： dataframe.apply(自定義函數)

df['label']=df.apply(lambda x: label_get(x.time,x.broad),axis=1)

### 代碼測試樣例

dates = pd.date_range('20130101', periods=6)

df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['time','B','C','D'])

## 測試，labels的生成為 A 在0-5區間內的，B/c 小于等于0.51為0，大于0.8為1 A 5-10區間內的，B/C 小于0.942的為0，大于為1

df['B']=df['B'].astype(float)

df['C']=df['C'].astype(float)

df['broad']=df['B']/df['C']

# df

df.loc['2013-01-02','B']=10

# df['B']=

print(df)

# df['z']=df[['x','y']].max(axis=1) 取兩個特征中的大者做為新特征列的值

df['B']=df[['B','C']].max(axis=1)

df

## 應用函數，根據某幾列特征的條件，對新特征賦值

def label_get(time_length,broad_rate):

if time_length<5:

if broad_rate<=0.51:

return 0

else:

return 1

elif time_length >=5 and time_length <14:

if broad_rate<0.91:

return 0

else:

return 1

else:

return 0

df['label']=df.apply(lambda x: label_get(x.time,x.broad),axis=1)

print(df)

輸出

總結

以上是生活随笔為你收集整理的python dataframe 列赋值_dataframe根据新列特征的条件为其赋值,给的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。