如何根据条件向dataframe添加数据？

Question

我有一个数据框，其中包含特定公司的员工数据。数据框架有五列（EMP_ID、国家、功能区、专业、性别）

我还有一个csv，它定义了整个数据集的子组。例如：

• 第1组：国家=加拿大和；功能区=珠三角
• 第2组：国家=法国
• 第三组：国家=法国；功能面积=FS
• 第4组：国家=法国；功能区=FS&；性别=女性

等等，等等。正如您所看到的，每个员工可以属于多个子组，并且大多数情况下都会属于多个子组。我需要做的是将这些定义的子组添加到原始数据帧中

我能够在Jupyter笔记本中创建一个解决方案，但现在我正在将该代码转换为python脚本，并寻找一种更优雅的方法

我最初的方法是定义一个函数，该函数包含将子组分配给特定记录（行）的逻辑。我在下面包含了这个函数的一段代码

然后我将使用df.apply方法将该函数应用于数据帧中的每一行。对于每一行，函数都会创建一个列表来保存它所属的所有子组，检查记录所属的子组，并将该子组追加到列表中。然后，df.apply方法将该列表添加到名为GROUPS的新列中的记录中

结果是原始数据框中有一个新列（组），其中包含每个记录的列表，并在该列表中显示该记录所属的子组

对于这个数据帧，我使用一个MultiLabelBinarizer对这个信息进行热编码，并将数据帧转换为每个子组有一个列，每个子组包含一个二进制记录值

def assign_groups(row):
    # Define a group list that will contain the groups each record belongs to 
    group_list = []     

    if row.COUNTRY == 'Canada':
        if row.FUNCTIONAL_AREA == 'PRD':
            group_list.append(1)

    if row.COUNTRY == 'France':
        if row.FUNCTIONAL_AREA == 'FS':
            if row.GENDER == 'Female':
                group_list.append(4)
            group_list.append(3)
        group_list.append(2)

df['GROUPS'] = df.apply(assign_groups, axis=1)

mlb = MultiLabelBinarizer()
df = df.join(pd.DataFrame(mlb.fit_transform(df.pop('GROUPS')),
                          columns=['GROUP_'+str(x) for x in mlb.classes_],
                          index=df.index))

我想要的是一个更优雅的解决方案，即硬编码一组if语句。这些子组定义将在将来更改，并将添加新的子组。我正在努力想一个更好的方法来解决这个问题，并欢迎任何建议