根据 Pandas 上的列值应用 lambda答案

【问题标题】：Apply lambda depending on column values on Pandas根据 Pandas 上的列值应用 lambda
【发布时间】：2018-03-28 13:29:45
【问题描述】：

我有一个数据框，它取决于Order 列的值，我想取Value 列的值并进行一些计算。

DataFrame1

             Order  Shares   Value
2011-01-10   BUY    1300     340.99  
2011-01-10   SELL   1200     340.99
2011-01-11   SELL   1100     330.99

代码行：

impacts['NewValue']=float(impacts.Order.apply(lambda x: (impacts.Value + (impacts.Value * 0.006)) if x == 'SELL' else (impacts.Value - (impacts.Value * 0.006))))

错误：

TypeError: ufunc 'multiply' 不包含签名匹配类型 dtype('S32') dtype('S32') dtype('S32')的循环

我是否理解错误是由数字的内容引起的，因此这就是我尝试将其转换为浮点数的原因。

预期输出

            Order  Shares   Value   NewValue
2011-01-10   BUY    1300   340.99  338.94
2011-01-10   SELL   1200   340.99  343.03
2011-01-11   SELL   1100   330.99  332.97

我们非常欢迎任何帮助。谢谢！

【问题讨论】：

标签： python pandas dataframe conditional

【解决方案1】：

希望对您有所帮助:-)（仅修改您自己的代码，您的示例代码会返回错误）

df.apply(lambda x: (x.Value + (x.Value * 0.006)) if x.Order == 'SELL' else (x.Value - (x.Value * 0.006)),axis=1)
Out[790]: 
2011-01-10    338.94406
2011-01-10    343.03594
2011-01-11    332.97594
dtype: float64

获取df

df['NewValue']=df.apply(lambda x: (x.Value + (x.Value * 0.006)) if x.Order == 'SELL' else (x.Value - (x.Value * 0.006)),axis=1)
df
Out[792]: 
           Order  Shares   Value   NewValue
2011-01-10   BUY    1300  340.99  338.94406
2011-01-10  SELL    1200  340.99  343.03594
2011-01-11  SELL    1100  330.99  332.97594

我会用np.where

import numpy as np
np.where(df.Order=='SELL',(df.Value + (df.Value * 0.006)),(df.Value - (df.Value * 0.006)) )
Out[794]: array([ 338.94406,  343.03594,  332.97594])

分配回来后

df['NewValue']=np.where(df.Order=='SELL',(df.Value + (df.Value * 0.006)),(df.Value - (df.Value * 0.006)) )
df
Out[796]: 
           Order  Shares   Value   NewValue
2011-01-10   BUY    1300  340.99  338.94406
2011-01-10  SELL    1200  340.99  343.03594
2011-01-11  SELL    1100  330.99  332.97594

【讨论】：

@Codinghierarchy 如果有帮助，你可以接受~ :)

【解决方案2】：

（评论太长）这是温的np.where的稍微精简版：

i = np.where(df.Order == 'SELL', 1, -1) * 0.006
df.Value = df.Value.mul(i) + df.Value

print(df.Value)
2011-01-10    338.94406
2011-01-10    343.03594
2011-01-11    332.97594
dtype: float64

操作前使用df.Order判断符号。

【讨论】：