Question

所以我遇到了另一个令人烦恼的问题，这是我学习python的第一步中的另一个障碍。

我的结果列有正/负/零值（奖金，亏损，没有承诺）。我想根据标志拆分为奖金/亏损，零填充零和新奖金列中的负排;零会在新损失列中填充零和正行。

DATA

g=pd.DataFrame({'OUTCOME':[100,-100,400,-200,-200,-750,-250,1000,0,100,-100]},index=[1,1,2,2,2,3,3,3,4,4,4])

期望的输出。

g['WINNINGS']=[100,0,400,0,0,0,0,1000,0,100,0]
g['LOSS']=[0,100,0,200,200,750,250,0,0,0,100]

Answer 1

Theres有多种方法可以做到这一点，但基本上你想要做的是应用一个函数，如果数字小于或等于零则返回0，否则输入数字。然后为损失做相反的事情。一种方法是：

def winnings(value):
    return max(value, 0)

def losses(value):
    return min(value, 0)

df["winnings"] = df["outcome"].map(winnings)
df["loss"] = = df["outcome"].map(losses)

Answer 2

您可以使用Series.where：

df["winnings"] = df.OUTCOME.where(df.OUTCOME > 0, 0)
df["loss"] = -1 * df.OUTCOME.where(df.OUTCOME < 0, 0) 
print (df)
   OUTCOME  winnings  loss
1      100       100     0
1     -100         0   100
2      400       400     0
2     -200         0   200
2     -200         0   200
3     -750         0   750
3     -250         0   250
3     1000      1000     0
4        0         0     0
4      100       100     0
4     -100         0   100

使用numpy.where的更快解决方案：

df["winnings"] = np.where(df.OUTCOME > 0, df.OUTCOME, 0)
df["loss"] = np.where(df.OUTCOME < 0, - df.OUTCOME, 0)

<强>计时：

In [68]: %timeit (jez1(df2))
100 loops, best of 3: 3.75 ms per loop

In [69]: %timeit (jez(df1))
100 loops, best of 3: 5.82 ms per loop

In [70]: %timeit (bat(df))
10 loops, best of 3: 134 ms per loop

时间安排的代码：

df=pd.DataFrame({'OUTCOME':[100,-100,400,-200,-200,-750,-250,1000,0,100,-100]},index=[1,1,2,2,2,3,3,3,4,4,4])
print (df)
##[110000 rows x 1 columns]
df = pd.concat([df]*10000).reset_index(drop=True)
df1 = df.copy()
df2 = df.copy()

def winnings(value):
    return max(value, 0)

def losses(value):
    return min(value, 0)

def bat(df):
    df["winnings"] = df.OUTCOME.apply(winnings)
    df["loss"] = - df.OUTCOME.apply(losses)
    return df

def jez(df):
    df["winnings"] = df.OUTCOME.where(df.OUTCOME > 0, 0)
    df["loss"] = -1 * df.OUTCOME.where(df.OUTCOME < 0, 0) 
    return (df)

def jez1(df):
    df["winnings"] = np.where(df.OUTCOME > 0, df.OUTCOME, 0)
    df["loss"] = np.where(df.OUTCOME < 0, - df.OUTCOME, 0) 
    return (df)

print (bat(df))   
print (jez(df1))  
print (jez1(df2))

拆分正/负值列？

2 个答案: