So erstellen Sie eine neue Spalte basierend auf einer Bedingung in Pandas

import pandas as pd
import numpy as np

#Dataframe erstellen
df = pd.DataFrame({'rating': [90, 85, 82, 88, 94, 90, 76, 75, 87, 86],
                   'points': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19],
                   'assists': [5, 7, 7, 8, 5, 7, 6, 9, 9, 5],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})

#Dataframe anzeigen
    rating  points  assists rebounds
0   90  25  5   11
1   85  20  7   8
2   82  14  7   10
3   88  16  8   6
4   94  27  5   6
5   90  20  7   9
6   76  12  6   6
7   75  15  9   10
8   87  14  9   10
9   86  19  5   7

# Neue Spalte mit dem Titel 'Good' erstellen
df['Good'] = np.where(df['points']>20, 'yes', 'no')

# Dataframe anzeigen 
df

        rating  points  assists rebounds  Good
0   90  25  5   11    yes
1   85  20  7   8     no
2   82  14  7   10    no
3   88  16  8   6     no
4   94  27  5   6     yes
5   90  20  7   9     no
6   76  12  6   6     no
7   75  15  9   10    no
8   87  14  9   10    no
9   86  19  5   7     no

# Funktion zum Klassifizieren von Spielern anhand von Punkten definieren
def f(row):
    if row['points'] < 15:
        val = 'no'
    elif row['points'] < 25:
        val = 'maybe'
    else:
        val = 'yes'
    return val

# Neue Spalte 'Good' mit der obigen Funktion erstellen
df['Good'] = df.apply(f, axis=1)

# Dataframe anzeigen 
df

        rating  points  assists rebounds Good
0   90  25  5   11   yes
1   85  20  7   8    maybe
2   82  14  7   10   no
3   88  16  8   6    maybe
4   94  27  5   6    yes
5   90  20  7   9    maybe
6   76  12  6   6    no
7   75  15  9   10   maybe
8   87  14  9   10   no
9   86  19  5   7    maybe

# Erstellen Sie eine neue Spalte mit dem Titel 'assist_more'.
df['assist_more'] = np.where(df['assists']>df['rebounds'], 'yes', 'no')

# Dataframe anzeigen 
df

        rating  points  assists rebounds assist_more
0   90  25  5   11   no
1   85  20  7   8    no
2   82  14  7   10   no
3   88  16  8   6    yes
4   94  27  5   6    no
5   90  20  7   9    no
6   76  12  6   6    no
7   75  15  9   10   no
8   87  14  9   10   no
9   86  19  5   7    no