SQLのcase whenと同じことをpandas.DataFrameに対して行う

pandas.DataFrameに対してSQLのcase whenと同じことをして、新しい列を作る方法がはいくつかあるようなので、まとめておく。

元データ

import pandas as pd
import numpy as np

df=pd.DataFrame({'fruit':['Strawberry','Apple', 'Peach', 'Banana', 'grapes']})
df

	fruit
0	Strawberry
1	Apple
2	Peach
3	Banana
4	grapes

上記が元データで、下記の「果物」という新しい列を加えたdataftameにしたい

	fruit	果物
0	Strawberry	いちご
1	Apple	りんご
2	Peach	もも
3	Banana	ばなな
4	grapes	ぶどう

numpy.where()

numpy.where()を使って新しい列を作成する方法。 個人的には比較的読みやすい書き方と感じる。ただしネストが深くなり、処理速度が遅い。データ量が少ない時は処理速度を気にしなくて良いので、読みやすいnumpy.where()を使うことが多い。

df['果物']=np.where(df['fruit']=='Strawberry', 'いちご',
           np.where(df['fruit']=='Apple', 'りんご',
           np.where(df['fruit']=='Peach', 'もも',
           np.where(df['fruit']=='Banana', 'ばなな',
           np.where(df['fruit']=='grapes', 'ぶどう',
           'その他')))))

if文による関数作ってapply

処理速度が速い。ただし、個人的には読みにくいと感じる。データ量が多くelifの数が少ない場合は、処理速度を優先させたいのでこの方法を使うことが多い。

def func(x):
    if  x=='Strawberry':
        return 'いちご'
    elif x=='Apple':
        return 'りんご'
    elif x=='Peach':
        return 'もも'
    elif x=='Banana':
        return 'ばなな'
    elif x=='grapes':
        return 'ぶどう'    
    else:
        return 'その他'

df['果物'] = df['fruit'].apply(func)

df.loc

処理速度はnumpy.where()よりは早く、if文による関数作ってapplyよりは少し遅い。一緒に仕事をする方が良くdf.locを使うようであればこの方法を使うことが多い。

df.loc[df['fruit'] == 'Strawberry', '果物'] = 'いちご'
df.loc[df['fruit'] == 'Apple', '果物'] = 'りんご'
df.loc[df['fruit'] == 'Peach', '果物'] = 'もも'
df.loc[df['fruit'] == 'Banana', '果物'] = 'ばなな'
df.loc[df['fruit'] == 'grapes', '果物'] = 'ぶどう'

3つの方法を記載したが、それぞれ良さがあり適宜適切な方法を選択したいところ。