np.where（）または新しいpandasデータフレーム列の別の論理的な方法

Question

別の計算からのブール値を条件とする株価を持つデータフレームに列を作成したいとします。私はすべてがTrue届けることが、より多くの条件を定義したいと実物で

condition1: if df.close > df.close.shift() return True 

：論理的にそのように見えるが、実際に長くいる可能性が

   close high low 
    Index 
     0  10  11  10 
     1  11  12  10 
     2  10  11  9 

まずI（s）は、いくつかの条件を定義したいですまたはFalse。

df['NewColumn'] = np.where(condition1() == True, 'A', 'B') 

は、私が関数としての条件を定義しようとしましたが、それを正しく設定するために管理していませんでした。それから私はnp.where（）にすることを含んでいます。条件の内容をnp.where（）に直接書き込まないようにしたいのですが、これは複数のネストされた条件では複雑すぎるためです。

どうすれば私の仕事を最も効率的に行うことができますか？

編集：関数は次のようになります（ただし、上記）（np.whereでは動作しません）：

def condition1(): 
    if df.Close > df.Close.shift(1): 
     return True 
    Else 
     return False 

Answer 1

UPDATE： IMOあなたは関数として "条件" を必要としません：

In [89]: cond1 = df.Close > df.Close.shift(1) 

In [90]: cond2 = df.High < 12 

In [91]: df['New_Close'] = np.where(cond1, 'A', 'B') 

In [92]: df 
Out[92]: 
    Close High Low New_Close 
0  10 11 10   B 
1  11 12 10   A 
2  10 11 9   B 

In [93]: df['New_High'] = np.where(cond1, '<12', '>=12') 

In [94]: df 
Out[94]: 
    Close High Low New_Close New_High 
0  10 11 10   B  >=12 
1  11 12 10   A  <12 
2  10 11 9   B  >=12 

OLD答え：私は本当にこのアプローチのいずれかの利点（利益を）見ない

、

def condition1(): 
    return (df.Close > df.Close.shift(1)) 

def condition2(): 
    return (df.High < 12) 


In [72]: df['New_Close'] = np.where(condition1(), 'A', 'B') 

In [73]: df 
Out[73]: 
    Close High Low New_Close 
0  10 11 10   B 
1  11 12 10   A 
2  10 11 9   B 

In [74]: df['New_High'] = np.where(condition2(), '<12', '>=12') 

In [75]: df 
Out[75]: 
    Close High Low New_Close New_High 
0  10 11 10   B  <12 
1  11 12 10   A  >=12 
2  10 11 9   B  <12 

PS IMO @PaulH said in his comment