Question

我有一个 < code> DataFrame < /code >, 上面有几栏。一列包含一个货币使用的符号, 例如欧元或美元符号。另一列包含一个预算值。例如, 一行它可能意味着以欧元计的预算为5000欧元,下一行它可以说以美元计的预算为2000美元。

在熊猫中,我想在我的 DataFrame 中增加一列,使预算以欧元正常化。因此,对于每一行,新列的值应该是预算列的值 * 1,如果货币栏中的符号是欧元符号,新列的值应该是预算列的值 * 0.78125,如果货币栏中的符号是美元符号。

我知道如何添加一列, 填满其他列的值、复制值等等, 而不是根据另一列的值有条件地填充新列。

有什么建议吗?

Answer 1

你也许想做

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

Answer 2

通过其它样式的类似结果可能是写入一个函数,该函数使用 row[ fieldname] syntatus 来访问单个值/ colunns,然后执行 < a href=> http://pandas.pydata.org/pandas-docs/stable/pendas/pandas.DataFrame.aply.html" rel=“noreferr>>dataFrame. apply 方法进行您想要的操作。

这回应了在此关联的问题的答案 : < a href=""https://stackoverflow.com/ questions/26886653/pandas-create-new-colun- based- values- from- other- columns/ 26887820#26887820" >pandas根据其他栏目的数值创建新栏目

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

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

Answer 3

无需额外导入 numpy 的选项 :

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

Answer 4

用Tom Kimber的建议再进一步一点, 你可以使用函数词典来设定您功能的各种条件。这个解决方案正在扩大问题的范围。

我举个人申请的例子。

# 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

Answer 5

Panda s loc 也可以使用:

# First assign Budget to the entire column
df[ Normalized ] = df[ Budget ]
# Then convert to dollars where necessary
df.loc[df[ Currency ] ==  $ ,  Normalized ] = df[ Budget ] * 0.78125

Answer 6

df.loc[df[ col1 ].isnull(),  col2 ] = values

友情链接