1. Numpy中的where函数

首先看下官网文档给出的定义：

numpy.where(condition[, x, y])
Return elements, either from x or y, depending on condition

依赖于所给定条件，决定返回x还是返回y，如果条件为真，返回x，否则返回y。

• 对于一维数据

对于一维数据而言上述定义等价于：

[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]

具体例子如下：

con  = [True,True,False,True,True,True,False ]
data1 = np.arange(7) 
data2 = np.arange(14,21)
print (np.where(con,data1,data2))
结果为：
[ 0  1 16  3  4  5 20]

• 对于二维数据

x = np.random.randn(4,4)
print (x)
print(np.where(x>0,2,-2)) #将数据集中所有大于0的全部置为2，小于0的全部置为-2

最近在做类别型变量的特征交叉问题时，发现同样可以使用where函数来达到目的，比如有两个类别型变量分别是cat1和cat2，cat1有ABC三种可能取值，cat2有DEF三种可能取值，两个类别型特征做交叉以后生成的新变量就是笛卡尔乘积，共有9种可能取值，具体实现代码如下：

data = pd.read_excel(r'C:\Users\Lenovo\Desktop\test.xlsx')
# cat1:ABC ；cat2:DFT
print (data)
data['cross_cat1_cat2'] = np.where((data['cat1']=='A') & (data['cat2']=='D'),'AD',
                        np.where((data['cat1'] == 'A') & (data['cat2'] == 'F'), 'AF',
                        np.where((data['cat1'] == 'A') & (data['cat2']== 'T'), 'AT',
                        np.where((data['cat1'] == 'B') & (data['cat2'] == 'T'), 'BT',
                        np.where((data['cat1'] == 'B') & (data['cat2'] == 'F'), 'BF',
                        np.where((data['cat1'] == 'B') & (data['cat2'] == 'D'), 'BD',
                        np.where((data['cat1'] == 'C') & (data['cat2'] == 'T'), 'CT',
                        np.where((data['cat1'] == 'C') & (data['cat2'] == 'F'), 'CF',
                        np.where((data['cat1'] == 'C') & (data['cat2'] == 'D'), 'CD',"OTHERS" )))))))))
print (data)

最后生成效果如下所示：

Paste_Image.png

持续更新中。。。。。。