如何基于熊猫中其他列的值计算新列-python
问题内容：
假设我的数据框包含以下数据：
>>> df = pd.DataFrame({'a':['l1','l2','l1','l2','l1','l2'],
'b':['1','2','2','1','2','2']})
>>> df
a b
0 l1 1
1 l2 2
2 l1 2
3 l2 1
4 l1 2
5 l2 2
l1应该对应于1而l2应该对应于2。我想创建一个新列’ c，以便每行c = 1ifa = l1和b = 1（或a = l2and b = 2）。如果a = l1和b = 2（或a = l2和b = 1）然后c = 0。
结果数据帧应如下所示：
a b c
0 l1 1 1
1 l2 2 1
2 l1 2 0
3 l2 1 0
4 l1 2 0
5 l2 2 1
我的数据框非常大，所以我真的在寻找使用熊猫进行此操作的最有效方法。
问题答案：
df = pd.DataFrame({'a': numpy.random.choice(['l1', 'l2'], 1000000),
'b': numpy.random.choice(['1', '2'], 1000000)})
仅假定两个不同值的快速解决方案：
%timeit df['c'] = ((df.a == 'l1') == (df.b == '1')).astype(int)
10个循环，最佳3：每个循环178毫秒
@Viktor Kerkes：
%timeit df['c'] = (df.a.str[-1] == df.b).astype(int)
1个循环，最佳3：每个循环412毫秒
@ user1470788：
%timeit df['c'] = (((df['a'] == 'l1')&(df['b']=='1'))|((df['a'] == 'l2')&(df['b']=='2'))).astype(int)
1个循环，最佳3：每个循环363毫秒
@herrfz
%timeit df['c'] = (df.a.apply(lambda x: x[1:])==df.b).astype(int)
1个循环，最好为3：每个循环387毫秒
