Question

我有以下DataFrames：

example  = pd.DataFrame({"dirr":[1,0,-1,-1,1,-1,0], 
                         "value": [125,130,80,8,150,251,18], 
                         "result":[np.NaN for _ in range(7)]})

我想用cummin（）和cummax（）对它执行以下操作：

example["result"].apply(lambda x : x= example["value"].cummax() if example["dirr"]==1
                           else x= example["value"].cummin() if example["dirr"]==-1
                           else x= NaN if if example["dirr"]==0
                              )

返回：error: invalid syntax。

有人能帮助我纠正那个吗？

这将是预期的输出：

example  = pd.DataFrame({"dirr":[1,0,-1,-1,1,-1,0], 
                         "value": [125,130,80,8,150,251,18], 
                         "result":[125, NaN, 80, 8, 150, 8, NaN]})

编辑：

根据@ su79eu7k的答案，以下函数可以：

def calc(x):
    if x['dirr'] == 1:
        return np.diag(example["value"].cummax())
    elif x['dirr'] == -1:
        return np.diag(example["value"].cummin())
    else:
        return np.nan

我应该能够把它推到一个lambda但是仍然被语法错误阻止了......我仍然没有看到？

example["result"]=example.apply(lambda x : np.diag(x["value"].cummax()) if x["dirr"]==1
                               else np.diag(x["value"].cummin()) if x["dirr"]==-1
                               else NaN if x["dirr"]==0
                              )

最后一点点推动形式，你们将非常感激。

Answer 1

我认为使用单独的行代替应用是最有意义的。如果你确实使用了apply函数，你应该创建一个单独的函数并传递它，而不是制作一个三行lambda。

example.loc[example['dirr'] == 1, 'result'] = \
            example.loc[example['dirr'] == 1, 'value'].cummax()
example.loc[example['dirr'] == -1, 'result'] = \
            example.loc[example['dirr'] == -1, 'value'].cummin()

>>> example
   dirr  result  value
0     1   125.0    125
1     0     NaN    130
2    -1    80.0     80
3    -1     8.0      8
4     1   150.0    150
5    -1     8.0    251
6     0     NaN     18

以下替代apply方法。

current_max = 0
current_min = 9999

def func(df):
    global current_max
    global current_min
    if df['dirr'] == 1:
        current_max = max(current_max, df['value'])
        return current_max
    elif df['dirr'] == -1:
        current_min = min(current_min, df['value'])
        return current_min
    else:
        return np.nan

example['result'] = example.apply(func, axis=1)

Answer 2

我认为@ 3novak的解决方案简单快捷。但是如果你真的想使用apply函数，

def calc(x):
    if x['dirr'] == 1:
        return example["value"].cummax()
    elif x['dirr'] == -1:
        return example["value"].cummin()
    else:
        return np.nan

example['result']  = np.diag(example.apply(calc, axis=1))

print example

   dirr  result  value
0     1   125.0    125
1     0     NaN    130
2    -1    80.0     80
3    -1     8.0      8
4     1   150.0    150
5    -1     8.0    251
6     0     NaN     18

Answer 3

所有numpy

v = example.value.values
d = example.dirr.values
mx = np.maximum.accumulate(v)
mn = np.minimum.accumulate(v)
example['result'] = np.where(d == 1, mx, np.where(d == -1, mn, np.nan))
example

   dirr  result  value
0     1   125.0    125
1     0     NaN    130
2    -1    80.0     80
3    -1     8.0      8
4     1   150.0    150
5    -1     8.0    251
6     0     NaN     18

时间

Pandas - Python：Apply（）和if / then逻辑

3 个答案: