Question

我有DataFrame，其中有几列。一列包含正在使用其货币的符号，例如欧元或美元符号。另一列包含预算值。因此，例如在一行中它可能意味着5000欧元的预算，而在下一行它可以说2000美元的预算。

在pandas中，我想在我的DataFrame中添加一个额外的列，以欧元标准化预算。所以基本上，对于每一行，如果货币列中的符号是欧元符号，则新列中的值应该是预算列* 1中的值，新列中的值应该是预算列的值*如果货币栏中的符号是美元符号，则为0.78125。

我知道如何添加列，使用值填充它，从其他列复制值等，但不知道如何根据另一列的值有条件地填充新列。

有什么建议吗？

Answer 1

您可能想要

df['Normalized'] = np.where(df['Currency'] == '$', df['Budget'] * 0.78125, df['Budget'])

Answer 2

不需要额外导入 numpy 的选项：

df['Normalized'] = df['Budget'].where(df['Currency']=='$', df['Budget'] * 0.78125)

Answer 3

通过替代样式的类似结果可能是编写一个函数，在一行上执行所需的操作，使用row['fieldname']语法访问单个值/列，然后执行DataFrame.apply方法它

这与此处链接的问题的答案相呼应：pandas create new column based on values from other columns

def normalise_row(row):
    if row['Currency'] == '$'
    ...
    ...
    ...
    return result

df['Normalized'] = df.apply(lambda row : normalise_row, axis=1)

Answer 4

将Tom Kimber的建议更进一步，您可以使用函数字典为您的函数设置各种条件。这个解决方案正在扩大问题的范围。

我正在使用个人应用程序中的示例。

# write the dictionary

def applyCalculateSpend (df_name, cost_method_col, metric_col, rate_col, total_planned_col):
    calculations = {
            'CPMV'  : df_name[metric_col] / 1000 * df_name[rate_col],
            'Free'  : 0
            }
    df_method = df_name[cost_method_col]
    return calculations.get(df_method, "not in dict")

# call the function inside a lambda

test_df['spend'] = test_df.apply(lambda row: applyCalculateSpend(
row,
cost_method_col='cost method',
metric_col='metric',
rate_col='rate',
total_planned_col='total planned'), axis = 1)

  cost method  metric  rate  total planned  spend
0        CPMV    2000   100           1000  200.0
1        CPMV    4000   100           1000  400.0
4        Free       1     2              3    0.0

根据pandas中的其他列值有条件地填充列值

4 个答案: