前言
最近有小伙伴推荐我多写写一个增强 pandas 功能的库—— pyjanitor 。他提供了许多实用功能，结合 pandas 使用能够大大提升我们的代码效率，那么我就针对这个库做一个系列教程。
不过，我不喜欢只是到官网抄一下例子，把英文翻译成中文，草草了事。我也不希望大家只是记住了 pyjanitor 的一些方法名字，只会简单套用。
因此，这个系列的文章我会挑选 pyjanitor 的一些方法做讲解，同时会给出 pandas 的实现，还教你怎么自己封装函数。
本系列文章的基本结构：
pyjanitor函数讲解- pandas 原生实现
- 自己封装一个函数
pyjanitor 安装：
代码语言：javascript复制pip install pyjanitor今天的主题是多条件判断，分支判断取值是数据处理的高频操作。往往初学者会使用 apply 遍历每一行，使用 python 的 if else 语法完成需求。如下：
数据：
代码：
- 新增一列 value，里面就是一大堆的逻辑判断
代码倒是不复杂，但是条件很多，数据也多的情况下，代码就会难看，并且代码的执行速度也不行。
pyjanitor 的 case_when
代码来自于官网
结果是对了，但是感觉 case when 方法里面的东西很乱呀
我来标注一下：
- 红色框是条件，绿色框是返回值
但是，我们不是一定要使用 janitor 才能做到这一切。结合 numpy 我们也能轻易做到
numpy 也有 case when
如果你学过我的 pandas 专栏，那么就一定会 numpy 的两个条件函数，这里我们只需要用 select 就可以轻易做到多条件分支
关于 np.select 详细讲解，可以查看专栏文章
那么，我们该如何自己写一个类似 janitor 的函数，方便以后重复使用？
自己写一个也不难
首先，不管三七二十一，定义一个函数，把之前的 numpy 实现代码复制进去：
这里有几个问题：
- 参数有哪些
- 尽量不要直接修改数据源，现在我们是直接赋值一列到 df 里面
先加上参数：
- 参数 df：总要传入数据吧
- *conditions：分支条件的数量是无限的，所以需要使用
*，表示不管你传入多少个参数，我都接下来，放进去 conditions 这个变量里面。所以，conditions 是一个元组 - col_name：新列的名字
现在再来看 np.select 是需要把所有的条件给放一起，但现在 conditions 是每隔一个位置才是分支条件，利用 python 的切片功能就可以轻易分开：
- 行2，3：利用切片的最后一个参数 step ，让其每隔2个位置取出元素，配合开始位置，就可以取出所有的奇数位置或偶数位置的元素
最后，我们不希望修改了源数据，可以使用 pandas 提供的方法做到：
