场景如下：
现在有一个dataframe，其中一列为score，值从0-100，
df：
score
98
88
37
68
86
33
现在需要增加一列level，给这些分数分类，90分以上为A，60-90为B，60以下为C。
常用的方法肯定是使用for循环，对每一行进行处理。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import pandas as pd
list = [98,88,37,68,86,33]
df = pd.DataFrame(list, columns=['score']) # convert list to dataframe
df['level'] = '' # add a column
def judgeLevel(df):
for i in range(len(df)):
if df.score.ix[i] < 60:
df.level.ix[i] = 'C'
elif df.score.ix[i] > 90:
df.level.ix[i] = 'A'
else:
df.level.ix[i] = 'B'
return df
df = judgeLevel(df)
|
还有一种方法，是使用python的匿名函数：lambda函数
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import pandas as pd
list = [98,88,37,68,86,33]
df = pd.DataFrame(list, columns=['score'])
df['level'] = '' # add a column
def judgeLevel(df):
if df['score'] < 60:
return 'C'
elif df['score'] > 90:
return 'A'
else:
return 'B'
df['level'] = df.apply(lambda r: judgeLevel(r), axis=1)
|
至于如何取舍，就由各位自行决定了，多学一点总不是坏处，对吧？
以上这篇python 用lambda函数替换for循环的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/chenKFKevin/article/details/71090664