使用 numpy.npv 函数的输出向数据框中添加一列
Posted
技术标签:
【中文标题】使用 numpy.npv 函数的输出向数据框中添加一列【英文标题】:Adding a column to a data frame using the output of numpy.npv function 【发布时间】:2019-04-16 02:53:07 【问题描述】:我试图在我的 pyspark 数据框中使用 2 列来使用 numpy.npv() 函数计算净现值。我收到以下错误
return (values / (1+rate)**np.arange(0, len(values))).sum(axis=0) TypeError: len() of unsized object
我也尝试使用 numpy.npv 函数作为 udf 失败
请求帮助以解决此问题
# Creating the DataFrame
df = sc.parallelize([('a',1,100),('a',2,200),('a',3,300),('a',4,400),
('a',5,500),('a',6,600),('b',1,23),('b',2,32),('b',3,34),('b',4,55),
('b',5,43)]).toDF(['Name','yr','cash'])
df.show()
# Loading the requisite packages
from pyspark.sql import Window
from pyspark.sql.functions import col, collect_list
import numpy as np
w = (Window.partitionBy('Name').orderBy(col('yr').desc()).rangeBetween(Window.unboundedPreceding, 0))
df = df.withColumn('cash_list', collect_list('cash').over(w))
df.show(truncate=False)
df = df.withColumn('discount_rate', lit(0.3))
#calculate npv
df = df.withColumn('npv_value', np.npv(df.discount_rate, df.cash_list))
【问题讨论】:
假设Name=1 yr=1
,你想要600/(1.3)**5 + 500/(1.3)**4 + ...200/(1.3)**1 + 100/ (1.3)**0?或者另一个在附近?顺便说一句,您不能以这种方式使用np.npv
。为此,您必须使用UDF
。
正确!这就是我想要达到的目标。我认为 NPV 函数会为我做到这一点。但很明显,我离得很远。我尝试了UDF方式。重新编写函数如下@udf(returnType=DoubleType()) def calc_npv_value(rate, values): values = np.asarray(values) return (values / (1+rate)**np.arange(1,len( values)+1)).sum(axis=0)
但仍然遇到错误。如果您可以协助使用 UDF 方法,将会非常有帮助
【参考方案1】:
使用OP
提供的代码,我们得到以下DataFrame
-
df.show(truncate=False)
+----+---+----+------------------------------+-------------+
|Name|yr |cash|cash_list |discount_rate|
+----+---+----+------------------------------+-------------+
|b |5 |43 |[43] |0.3 |
|b |4 |55 |[43, 55] |0.3 |
|b |3 |34 |[43, 55, 34] |0.3 |
|b |2 |32 |[43, 55, 34, 32] |0.3 |
|b |1 |23 |[43, 55, 34, 32, 23] |0.3 |
|a |6 |600 |[600] |0.3 |
|a |5 |500 |[600, 500] |0.3 |
|a |4 |400 |[600, 500, 400] |0.3 |
|a |3 |300 |[600, 500, 400, 300] |0.3 |
|a |2 |200 |[600, 500, 400, 300, 200] |0.3 |
|a |1 |100 |[600, 500, 400, 300, 200, 100]|0.3 |
+----+---+----+------------------------------+-------------+
OP 想要计算Net Present Value (NPV)
,为此他想使用UDF
。对于Name=a yr=1
,NPV 如下 -
600/(1.3)^5 + 500/(1.3)^4 + 400/(1.3)^3 + 300/(1.3)^2 + 200/(1.3)^1 + 100/(1.3)
# Creating a function and it's corresponding UDF
from pyspark.sql.functions import udf
def calculate_npv(cash_list,rate):
# Reverse the List
cash_list = cash_list[::-1]
return float(np.npv(rate,cash_list))
calculate_npv = udf(calculate_npv,FloatType())
# Applying the UDF to the DataFrame below
df = df.withColumn('NPV',calculate_npv('cash_list','discount_rate'))
df.show(truncate=False)
+----+---+----+------------------------------+-------------+----------+
|Name|yr |cash|cash_list |discount_rate|NPV |
+----+---+----+------------------------------+-------------+----------+
|b |5 |43 |[43] |0.3 |43.0 |
|b |4 |55 |[43, 55] |0.3 |88.07692 |
|b |3 |34 |[43, 55, 34] |0.3 |101.75148 |
|b |2 |32 |[43, 55, 34, 32] |0.3 |110.27037 |
|b |1 |23 |[43, 55, 34, 32, 23] |0.3 |107.823364|
|a |6 |600 |[600] |0.3 |600.0 |
|a |5 |500 |[600, 500] |0.3 |961.53845 |
|a |4 |400 |[600, 500, 400] |0.3 |1139.645 |
|a |3 |300 |[600, 500, 400, 300] |0.3 |1176.65 |
|a |2 |200 |[600, 500, 400, 300, 200] |0.3 |1105.1154 |
|a |1 |100 |[600, 500, 400, 300, 200, 100]|0.3 |950.08875 |
+----+---+----+------------------------------+-------------+----------+
【讨论】:
非常感谢。这行得通。我会试着弄清楚我做错了什么。减去列表的反转,我几乎做了同样的事情。我看到的一个区别是 UDF 的输入是 (discount_rate, cash_list) 这是您给我的一些非常有用的知识。非常感谢和感激! 希望你一切顺利。以上是关于使用 numpy.npv 函数的输出向数据框中添加一列的主要内容,如果未能解决你的问题,请参考以下文章