Estou trabalhando com uma base de dados de municípios brasileiros. Dentre as informações que ela possui, estão o nome do município, estado, se é capital, população, etc. Gostaria de trabalhar com os dados reunidos por região do país, incluídos em uma nova coluna. Carreguei o dataset, fiz os ajustes e tal. Criei as variáveis das regiões:
Norte = ['AM', 'PA', 'RR', 'AC','RO','AP', 'TO'],
Sul = ['PR', 'SC', 'RS'],
CentroOeste = ['MT', 'MS', 'GO', 'DF'],
Nordeste = ['BA', 'CE','MA', 'PB', 'PE', 'RN', 'SE', 'AL', 'PI'],
Sudeste = ['SP', 'RJ', 'MG','ES']
A seguir, criei o campo REGIAO, logo depois de Município e Estado:
df500.insert(2, 'REGIAO', 'NaN')
Para preencher a nova coluna usei:
df['REGIAO'] = df['ESTADO'].apply(lambda x: 'Sul' if x in Sul else 'Norte' if x in Norte else 'Nordeste' if x in Nordeste else 'Sudeste' if x in Sudeste else 'Centro-Oeste')
Entrentanto, a saída que recebo é a seguinte:
Index | CIDADE | ESTADO | REGIAO | CAPITAL | POPULACAO_TOTAL_2010 |
---|---|---|---|---|---|
0 | Brejo De Areia | MA | Centro-Oeste | 0 | 5577.0 |
1 | Cujubim | RO | Centro-Oeste | 0 | 15854.0 |
2 | Balbinos | SP | Sudeste | 0 | 3702.0 |
3 | Pacaraima | RR | Centro-Oeste | 0 | 10433.0 |
4 | Araquari | SC | Centro-Oeste | 0 | 24810.0 |
5 | Pedra Branca Do Amapari | AP | Centro-Oeste | 0 | 10772.0 |
6 | Ipiranga Do Norte | MT | Centro-Oeste | 0 | 5123.0 |
7 | Parari | PB | Centro-Oeste | 0 | 1256.0 |
8 | Colniza | MT | Centro-Oeste | 0 | 26381.0 |
9 | Luís Eduardo Magalhães | BA | Centro-Oeste | 0 | 60105.0 |
ou seja, só as entradas do sudeste e as do centro-oeste estão corretas, as demais aparecem sempre como centro-oeste. Tentei fazer de dois em dois, alterando a ordem das entradas,da sintaxe do else if, não consegui sair do lugar. Alguém pode me ajudar? Desde já agradeço