使用 pandas df 的具有多个 if 的 lambda 函数

Posted 2023-04-18

【中文标题】使用 pandas df 的具有多个 if 的 lambda 函数

【英文标题】：lambda function with multiple ifs using pandas df

【发布时间】：2017-05-10 14:24:23

【问题描述】：

我有一个包含收入和成本数据的简单 df。就我而言，成本可能是负数。

我想按如下方式计算收入成本比：

if ((x['cost'] < 0) & (x['rev'] >=0 )):
   x['r_c_ratio'] = (x['rev'] + abs(x['cost'])) / abs(x['cost'])
elif((x['cost'] > 0) & (x['rev'] <=0 )):
   x['r_c_ratio'] = (x['cost'] + abs(x['rev'])) / x['cost']
else:
   x['r_c_ratio'] = x['rev'] / x['cost']

如何在 lambda 函数中实现这一点？

df['revenue_cost_ratio'] = df.apply(lambda x:....

根据这个link，lambda 语法是：

lambda x: True if x % 2 == 0 else False

这只允许一个 else 条件。

【问题讨论】：

这与您关于创建lambda 函数的问题无关，但& 是Python 中的位与运算符。当您执行逻辑与（这似乎是您想要的）时，您需要 and 运算符。这两个运算符对于布尔值 True 和 False 的工作方式相同，但如果您在操作中涉及其他“真实”值（例如比较 1 & 2 和 1 and 2 )。

【参考方案1】：

熊猫矢量化

r = x.rev.div(x.cost)
r.abs().add(r < 0).rename('revenue_cost_ratio')

numpy 矢量化 顺便说一句，我会用这个

r = x.rev.values / x.cost.values
pd.Series(np.abs(r) + (r < 0), x.index, name='revenue_cost_ratio')

如果你坚持使用 lambda

f = lambda x: (x.rev * x.cost < 0) + abs(x.rev / x.cost)
x['revenue_cost_ratio'] = x.apply(f)

让我们看看你的 3 个案例

案例 1

if ((x['cost'] < 0) & (x['rev'] >=0 )):
   x['r_c_ratio'] = (x['rev'] + abs(x['cost'])) / abs(x['cost'])

当x['cost'] < 0，abs(x['cost']) 只是-1 * x['cost'] 所以这可以简化为

(x['rev'] - x['cost']) / -x['cost']

或

(x['cost'] - x['rev']) / x['cost']

案例 2

elif((x['cost'] > 0) & (x['rev'] <=0 )):
   x['r_c_ratio'] = (x['cost'] + abs(x['rev'])) / x['cost']

当x['rev'] <= 0，abs(x['rev']) 只是-1 * x['rev'] 所以这可以简化为

(x['cost'] - x['rev']) / x['cost']

哇，这和案例一一样！但我们可以将其进一步简化为

1 - x['rev'] / x['cost']

我们什么时候使用它？似乎仅当 x['rev'] 或 x['cost'] 为负但不是两者都为负时。好吧，只有当该比率为负时才会发生这种情况。

案例 3

x['rev'] / x['cost']

再来一次！多么幸运！这看起来很像1 - x['rev'] / x['cost']

因此，如果我们预先计算 x['rev'] / x['cost']，测试它的负值并返回它或减去 1，我们很好。因此是一开始的功能。

【讨论】：

很好的解释。我怎么给你赏金呢？ :P

直到 2 天才能发放赏金。没必要，但我很欣赏这个姿态（当然，如果你坚持，我不能阻止你:-)

【参考方案2】：

不要使用应用。它非常慢。使用嵌套的 where。

np.where((x['cost'] < 0) & (x['rev'] >=0 ),  (x['rev'] + abs(x['cost'])) / abs(x['cost']),
    np.where((x['cost'] > 0) & (x['rev'] <=0 ), (x['cost'] + abs(x['rev'])) / x['cost'], 
             x['rev'] / x['cost']))