Question

我正在尝试将Pandas Dataframe（orders_df）中的两个现有列相乘 - 价格（股票收盘价）和金额（库存数量），并将计算添加到名为“Value”的新列中。由于某些原因，当我运行此代码时，“值”列下的所有行都是正数，而某些行应为负数。在DataFrame的Action列下，有七行包含'Sell'字符串，七行包含'Buy'字符串。

for i in orders_df.Action:
 if i  == 'Sell':
  orders_df['Value'] = orders_df.Prices*orders_df.Amount
 elif i == 'Buy':
  orders_df['Value'] = -orders_df.Prices*orders_df.Amount)

请让我知道我做错了什么！

Answer 1

我认为优雅的解决方案是使用where方法（另请参阅API docs）：

In [37]: values = df.Prices * df.Amount

In [38]: df['Values'] = values.where(df.Action == 'Sell', other=-values)

In [39]: df
Out[39]: 
   Prices  Amount Action  Values
0       3      57   Sell     171
1      89      42   Sell    3738
2      45      70    Buy   -3150
3       6      43   Sell     258
4      60      47   Sell    2820
5      19      16    Buy    -304
6      56      89   Sell    4984
7       3      28    Buy     -84
8      56      69   Sell    3864
9      90      49    Buy   -4410

此外，这应该是最快的解决方案。

Answer 2

您可以使用DataFrame apply方法：

order_df['Value'] = order_df.apply(lambda row: (row['Prices']*row['Amount']
                                               if row['Action']=='Sell'
                                               else -row['Prices']*row['Amount']),
                                   axis=1)

使用这些方法通常更快，而不是使用for循环。

Answer 3

如果我们愿意牺牲Hayden解决方案的简洁性，那么也可以这样做：

In [22]: orders_df['C'] = orders_df.Action.apply(
               lambda x: (1 if x == 'Sell' else -1))

In [23]: orders_df   # New column C represents the sign of the transaction
Out[23]:
   Prices  Amount Action  C
0       3      57   Sell  1
1      89      42   Sell  1
2      45      70    Buy -1
3       6      43   Sell  1
4      60      47   Sell  1
5      19      16    Buy -1
6      56      89   Sell  1
7       3      28    Buy -1
8      56      69   Sell  1
9      90      49    Buy -1

现在我们已经消除了对if语句的需求。使用DataFrame.apply()，我们也会取消for循环。 Hayden指出，矢量化操作总是更快。

In [24]: orders_df['Value'] = orders_df.Prices * orders_df.Amount * orders_df.C

In [25]: orders_df   # The resulting dataframe
Out[25]:
   Prices  Amount Action  C  Value
0       3      57   Sell  1    171
1      89      42   Sell  1   3738
2      45      70    Buy -1  -3150
3       6      43   Sell  1    258
4      60      47   Sell  1   2820
5      19      16    Buy -1   -304
6      56      89   Sell  1   4984
7       3      28    Buy -1    -84
8      56      69   Sell  1   3864
9      90      49    Buy -1  -4410

此解决方案需要两行代码而不是一行，但更容易阅读。我怀疑计算成本也是相似的。

Answer 4

由于这个问题再次出现，我认为一个很好的干净方法是使用assign。

代码非常富有表现力和自我描述：

df = df.assign(Value = lambda x: x.Prices * x.Amount * x.Action.replace({'Buy' : 1, 'Sell' : -1}))

Answer 5

对我来说，这是最清晰，最直观的：

<style scoped="true" lang="css">
 .chat-box{
    min-height: 270px;
    width: 260px;
    position: fixed;
    right:0;
    bottom: 0px;
    color:#ffffff;
    margin: 0px 10px 100px 0px;
    background-color: #636b6f;
    border-radius: 15px;
}
.title-area{
    width:100%;
    height: 35px;
    border-top-left-radius:19px;
    border-top-right-radius:19px;
    text-align: center;
    color:#ffffff;
    font-size: 15px;
    font-weight: bold;
    font-family: "Helvetica Neue", Helvetica, Arial, sans-serif;

}
.title{
    float:left;
    color:white;
    margin: 5px 0px 0px 15px;
}
.close-icon{
    font-weight: 900;
    margin: 5px 15px 0px 0px;
    float:right;
}

.chat-input-area{
    bottom: 0px;
    position: absolute;
    height:40px;
    padding: 10px;
    margin-bottom: 10px;
}
.sendmessage-btn{
    float:right
}

.textarea-input {
    float: left;
    width:74%
 }

</style>

values = [] for action in ['Sell','Buy']: amounts = orders_df['Amounts'][orders_df['Action'==action]].values if action == 'Sell': prices = orders_df['Prices'][orders_df['Action'==action]].values else: prices = -1*orders_df['Prices'][orders_df['Action'==action]].values values += list(amounts*prices) orders_df['Values'] = values方法返回.values，允许您轻松地按元素倍增，然后您可以通过添加＆＃39;来累积生成列表。它。

Answer 6

bmu的良好解决方案。我认为将值放在括号内而不是括号内更容易理解。

    df['Values'] = np.where(df.Action == 'Sell', 
                            df.Prices*df.Amount, 
                           -df.Prices*df.Amount)

使用一些内置函数的熊猫。

    df['Values'] = np.where(df.Action.eq('Sell'), 
                            df.Prices.mul(df.Amount), 
                           -df.Prices.mul(df.Amount))

Answer 7

为了使事情更简洁，我采用了海顿的解决方案，但做了一个小功能。

def create_value(row):
    if row['Action'] == 'Sell':
        return row['Prices'] * row['Amount']
    else:
        return -row['Prices']*row['Amount']

所以当我们想将该函数应用于数据框时，我们就可以做到。

df['Value'] = df.apply(lambda row: create_value(row), axis=1)

...并且任何修改仅需要在小函数本身中进行。

简洁，可读，整洁！

我想在pandas DataFrame中将两列相乘，并将结果添加到新列中

7 个答案: