高级多条件列表理解

Question

我是Python新手，想根据数学运算分配一个值，例如“右”如果>，“左”如果<, "equal" if ==, within a list comprehension.

我已经尝试了以下方法，但它引发了错误。可以通过这种方式在单个列表理解中指定多个条件，其中每个“elif”生成不同的输出，还是我需要使用循环？

完全可重现的示例：

from sklearn.datasets import load_iris

bunch = load_iris(as_frame=True)
df = bunch.data.reset_index().rename(columns={"index": "id"}).merge(bunch.target.reset_index().rename(columns={"index": "id"})).drop(["id"], axis=1)

# question is in last row, "skew"
datasummary_dct = {
   "50%": [df[col].median().round(2) if any(t in str(df[col].dtype) for t in ("float", "int", "time")) else " " for col in df.columns],
   "mean": [df[col].mean().round(2) if any(t in str(df[col].dtype) for t in ("float", "int", "time")) else " " for col in df.columns],
   "skew": ["left" if df[col].median() > df[col].mean() else "right" if df[col].median() < df[col].mean() else "equal" if df[col].median()==df[col].mean() if any(t in str(df[col].dtype) for t in ("float", "int", "time")) else " " for col in df.columns],
}

再说一遍，我对编程还很陌生；如果我不能立即理解解决方案，我深表歉意。任何指导表示赞赏！

Answer 1

您可以使用

if

，而不是复杂的嵌套

np.select

，这样更具可读性：

datasummary_dct = {
    "skew": [
        np.select(
            [df[col].median() > df[col].mean(), df[col].median() < df[col].mean()],
            ["right", "left"],
            "equal",
        )
        if any(t in str(df[col].dtype) for t in ("float", "int", "time"))
        else " "
        for col in df.columns
    ],
}

print(pd.DataFrame(datasummary_dct))

输出：

    skew
0   left
1   left
2  right
3  right
4  equal