Lambda包括if ... elif ... else

Question

我想在lambda函数中使用if ... elif ... else将lambda函数应用于DataFrame列。

df和代码是smth。像：

df=pd.DataFrame({"one":[1,2,3,4,5],"two":[6,7,8,9,10]})

df["one"].apply(lambda x: x*10 if x<2 elif x<4 x**2 else x+10)

显然这种方式不起作用。 有没有办法申请，如果.... elif ....其他的lambda？ 如何使用List Comprehension重新获得相同的结果？

感谢您的回复。

Answer 1

Nest if .. else s：

lambda x: x*10 if x<2 else (x**2 if x<4 else x+10)

Answer 2

我不建议在这里使用apply - 如果有更好的选择，应该避免使用。

例如，如果您在系列上执行以下操作：

if cond1:
    exp1
elif cond2:
    exp2
else:
    exp3

这通常是np.where或np.select的良好用例。

<强> np.where

上面的if else链可以使用

编写

np.where(cond1, exp1, np.where(cond2, exp2, ...))

np.where允许嵌套。使用一级嵌套，您的问题可以通过

解决

df['three'] = (
    np.where(
        df['one'] < 2, 
        df['one'] * 10, 
        np.where(df['one'] < 4, df['one'] ** 2, df['one'] + 10))
df

   one  two  three
0    1    6     10
1    2    7      4
2    3    8      9
3    4    9     14
4    5   10     15

<强> np.select

允许灵活的语法并且易于扩展。它遵循形式，

np.select([cond1, cond2, ...], [exp1, exp2, ...])

或者，在这种情况下，

np.select([cond1, cond2], [exp1, exp2], default=exp3)

df['three'] = (
    np.select(
        condlist=[df['one'] < 2, df['one'] < 4], 
        choicelist=[df['one'] * 10, df['one'] ** 2], 
        default=df['one'] + 10))
df

   one  two  three
0    1    6     10
1    2    7      4
2    3    8      9
3    4    9     14
4    5   10     15

and / or代替if / else

与if-else类似，需要lambda：

df['three'] = df["one"].apply(
    lambda x: (x < 2 and x * 10) or (x < 4 and x ** 2) or x + 10) 

df
   one  two  three
0    1    6     10
1    2    7      4
2    3    8      9
3    4    9     14
4    5   10     15

列表理解

仍然的Loopy解决方案比apply更快。

df['three'] = [x*10 if x<2 else (x**2 if x<4 else x+10) for x in df['one']]
# df['three'] = [
#    (x < 2 and x * 10) or (x < 4 and x ** 2) or x + 10) for x in df['one']
# ]
df
   one  two  three
0    1    6     10
1    2    7      4
2    3    8      9
3    4    9     14
4    5   10     15

Answer 3

出于可读性考虑，我更喜欢编写一个函数，尤其是当您处理许多情况时。对于原始问题：

def parse_values(x):
    if x < 2:
       return x * 10
    elif x < 4:
       return x ** 2
    else:
       return x + 10

df['one'].apply(parse_values)