在pandas中實現SQL查詢中的CASE-WHEN-THEN-END功能是一項非常有用的技能，可以幫助我們快速和高效地處理數據。我將向你介紹如何在Pandas中實現此功能，并提供一些示例，以便您更好地理解。

首先，讓我們先回顧一下SQL中的CASE-WHEN-THEN-END語句是什么。它通常用于根據某些條件對數據進行分類或轉換。例如，假設我們有一個“訂單”表，其中包含客戶的姓名、訂單金額和訂單日期。我們可以使用CASE-WHEN-THEN-END語句將訂單金額按照以下規則進行分類：

• 如果訂單金額小于100，則為“小額訂單”。
• 如果訂單金額介于100和1000之間，則為“普通訂單”。
• 如果訂單金額大于1000，則為“大額訂單”。

在SQL中，可以通過以下方式實現：

SELECT
    customer_name,
    order_amount,
    CASE
        WHEN order_amount < 100 class="hljs-string">'Small Order'
        WHEN order_amount BETWEEN 100 AND 1000 THEN 'Regular Order'
        WHEN order_amount > 1000 THEN 'Large Order'
    END AS order_type,
    order_date
FROM
    orders;

現在讓我們看看如何在pandas中實現相同的結果。Pandas提供了類似的功能，稱為“np.select”。它將一個布爾數組列表作為第一個參數，每個布爾數組都代表一個條件。第二個參數是一個列表，其中包含與每個條件對應的值。如果沒有任何條件被滿足，則返回第三個參數作為默認值。以下是如何在Pandas中實現上述示例的代碼：

import pandas as pd
import numpy as np

orders = pd.read_csv('orders.csv')

conditions = [
    orders['order_amount'] < 100 class="hljs-string">'order_amount'] >= 100) & (orders['order_amount'] <= 1000),
    orders['order_amount'] > 1000
]

choices = ['Small Order', 'Regular Order', 'Large Order']

orders['order_type'] = np.select(conditions, choices, default='Unknown')

print(orders)

在這個例子中，我們首先將數據集加載到一個名為“orders”的DataFrame中。然后，我們定義了三個條件，因此我們有三個布爾數組分別代表小額訂單、普通訂單和大額訂單。接下來，我們定義了三個值列表，其中包含與每個條件相對應的值，即“Small Order”、“Regular Order”和“Large Order”。最后，我們使用np.select函數將這些條件和值傳遞給訂單數據集，并將結果存儲在名為“order_type”的新列中。

需要注意的是，我們還提供了一個默認值參數，以便處理任何未被滿足的條件。在這個例子中，我們將默認值設置為“Unknown”。

此外，在Pandas中，也可以使用“pd.cut”函數來執行類似的操作。它允許我們將連續變量分成離散的區間，并將它們標記為相應的類別。例如，在上面的訂單數據集中，我們可以使用以下代碼將訂單金額劃分為三個等距的區間：

orders['order_type'] = pd.cut(orders['order_amount'], 3, labels=['Small Order', 'Regular Order', 'Large Order'])

在這種情況下，我們將訂單金額分成三個等距的區間，并將每個區間標記為“Small Order”、“Regular Order”或“Large Order”。

總結起來，Pandas提供了多種實現SQL查詢中CASE-WHEN-THEN-END功能的方法，包括使用np.select和pd.cut函數。這些函數都非常有用，可以幫助我們快速、高效地處理數據，并使得數據轉換和分類更容易。