Python中如何使用numpy和pandas根据一个数组的值确定另一个数组的值

import numpy as np
import pandas as pd

# 方法1：使用numpy的where函数
arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.array([10, 20, 30, 40, 50])
condition = arr1 > 2
result = np.where(condition, arr2 * 2, arr2)  # 条件为真时取arr2*2，否则取arr2
print("numpy.where结果:", result)

# 方法2：使用pandas的Series（更灵活）
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [10, 20, 30, 40, 50]})
df['C'] = np.where(df['A'] > 3, df['B'] * 3, df['B'] * 0.5)
print("\nDataFrame结果:")
print(df)

# 方法3：使用pandas的apply（复杂逻辑）
def custom_logic(row):
    if row['A'] % 2 == 0:
        return row['B'] ** 2
    else:
        return row['B'] ** 0.5

df['D'] = df.apply(custom_logic, axis=1)
print("\napply方法结果:")
print(df)

# 方法4：使用numpy的select（多条件）
conditions = [
    arr1 < 2,
    (arr1 >= 2) & (arr1 <= 4),
    arr1 > 4
]
choices = [arr2 * 0.1, arr2 * 1.5, arr2 * 2.5]
result2 = np.select(conditions, choices)
print("\nnumpy.select结果:", result2)

核心思路：

• np.where(condition, x, y)：满足条件取x，否则取y
• np.select(conditions, choices)：多条件选择
• pandas的apply()适合复杂业务逻辑
• 向量化操作比循环快得多

用np.where处理简单条件，复杂逻辑用np.select或apply。

numpy_array2 = numpy_array1>0