时间戳

首页 > 解决方案 > 使用 apply() 两次创建新列会导致覆盖新列

python - 使用 apply() 两次创建新列会导致覆盖新列

问题描述

我已经编写了一些等效于这个玩具示例的 pandas 代码：

df_test = pd.DataFrame({'product': [0, 0, 1, 1], 'sold_for': [5000, 4500, 10000, 8000]})

def product0_makes_profit(row, product0_cost):
    return row['sold_for'] > product0_cost

def product1_makes_profit(row, product1_cost):
    return row['sold_for'] > product1_cost

df_test['made_profit'] = df_test[df_test['product']==0].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")
df_test['made_profit'] = df_test[df_test['product']==1].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")
df_test

我得到以下结果：

    product sold_for    made_profit
0   0       5000        NaN
1   0       4500        NaN
2   1       10000       True
3   1       8000        False

我希望第 0 行和第 1 行的“made_profit”列是 True，而不是 NaN，但显然第二个 apply() 会覆盖由第一个 apply() 创建的 made_profit 列。

我怎样才能得到我期望的专栏？我不想用第一个 apply() 创建一个列“product0_made_profit”，用第二个 apply() 创建一个列“product1_made_profit”，所以我可以将两个列合并到我想要的一个“made_profit”列中，因为在我的真实代码中，我在产品列中有很多不同的值（意味着要应用很多不同的功能）。

编辑

我的玩具示例太简单了，实际上我创建了两个新列：

def product0_makes_profit(row, product0_cost):
    return [row['sold_for'] > product0_cost, row['sold_for'] - product0_cost]

def product1_makes_profit(row, product1_cost):
    return [row['sold_for'] > product1_cost, row['sold_for'] - product1_cost]

使用当前答案，我做了这个：

is_prod0 = (df_test['product']==0)
df_test.loc[is_prod0, ['made_profit', 'profit_amount']] = df_test[is_prod0].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")
is_prod1 = (df_test['product']==1)
df_test.loc[is_profd1, ['made_profit', 'profit_amount']] = df_test[is_prod1].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")
print(df_test)

但这给了我以下错误（在第一次使用 .loc 时）：

KeyError: "None of [Index(['made_profit', 'profit_amount'], dtype='object')] are in the [columns]"

我可以使用以下代码使其工作：

is_prod0 = (df_test['product']==0)
newdf = df_test[is_prod0].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")
is_prod1 = (df_test['product']==1)
newerdf = df_test[is_prod1].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")
newcols = pd.concat([newdf, newerdf])
newcols.columns = ['was_profit_made', 'profit_amount']
df_test.join(newcols)

然而，这涉及 concat() 和 join() 并且如上所述，在实际代码中会变得有点乏味（但通过在所有产品值上构建循环是可行的） - 也许对多列也有一个优雅的解决方案。

标签： pythonpandasdataframe

解决方案

您需要分配给具有相同条件的过滤行loc，因此仅在条件为时处理行True：

m1 = df_test['product']==0
m2 = df_test['product']==1
df_test.loc[m1, 'made_profit'] = df_test[m1].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")
df_test.loc[m2, 'made_profit'] = df_test[m2].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")
print (df_test)
   product  sold_for  made_profit
0        0      5000         True
1        0      4500         True
2        1     10000         True
3        1      8000        False

编辑：

function如果从需要返回多个值Series并按新列名返回索引，则还需要NaN在之前创建填充一些默认值（例如）的新列loc：

cols = ['made_profit', 'profit_amount']
def product0_makes_profit(row, product0_cost):
    return pd.Series([row['sold_for'] > product0_cost, row['sold_for'] - product0_cost], index=cols)

def product1_makes_profit(row, product1_cost):
    return pd.Series([row['sold_for'] > product1_cost, row['sold_for'] - product1_cost], index=cols)

for c in cols:
    df_test[c] = np.nan

is_prod0 = (df_test['product']==0)
df_test.loc[is_prod0, cols] = df_test[is_prod0].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")
is_prod1 = (df_test['product']==1)
df_test.loc[is_prod1, cols] = df_test[is_prod1].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")
print(df_test)

   product  sold_for  made_profit  profit_amount
0        0      5000         True         1000.0
1        0      4500         True          500.0
2        1     10000         True         1000.0
3        1      8000        False        -1000.0

推荐阅读