从应用泛型函数（x，y）的两个现有列创建一个新列，以便我可以使用具有不同列的函数

Question

我正在尝试计算一个折扣，我想将其应用于我的数据框的两列的每一行，并将结果添加到新列。

我已经尝试了许多方法，通过遵循现有的示例，但每次发生错误。

我将函数定义为：

def delta_perc(x,y):
    if y == 0:
        return 0
    else:
        return (x-y)/x*100

然后尝试将该函数应用于我的数据帧

ordini["discount"] = ordini.apply(delta_perc(ordini["revenue1"],ordini["revenue2"]), axis=1)

我期待一个新列，其中每一行都是应用于ordini [“revenue1”]和ordini [“revenue2”]的函数的结果。

但是我收到以下错误：

ValueError：Series的真值是不明确的。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。

我也尝试应用qazxsw poi的所有建议，但每次发生错误。

Answer 1

你得到了一些混乱的概念。当您使用here（使用pandas.DataFrame.apply）时，您将遍历每一行并将该行（作为axis=1对象）传递给您调用pandas.Series时使用的函数。

First Point of Failure

相反，您在apply中调用函数并将两列传递给函数。这会将函数的返回值传递给apply。由于您的函数没有传回一个可调用的对象，因此这应该失败。

Second Point of Failure

此外，你的函数被设计为查看标量值，因此apply，当你像if y == 0:（这是一个ordini["revenue1"]对象）传递列时，它试图评估pandas.Series，这就是产生你看到的错误的原因：

if pandas.Series == 0:

---

Approach #1

修复你的功能，不要使用ValueError: The truth value of a Series is ambiguous.

apply

---

Approach #2

修复你的功能并使用qazxsw poi。这与使用理解类似。

def delta_perc(x, y):
    return x.sub(y).div(x).mask(x == 0, 0).mul(100)

ordini["discount"] = delta_perc(ordini["revenue1"], ordini["revenue2"])

---

Approach #3

实际上使用map

def delta_perc(x, y):
    if x == 0:
        return 0
    else:
        return (x - y) / x * 100

ordini["discount"] = [*map(delta_perc, ordini["revenue1"], ordini["revenue2"])]

Answer 2

你也可以尝试：

apply

Answer 3

您应该使用

def delta_perc(x, y):
    if x == 0:
        return 0
    else:
        return (x - y) / x * 100

# Because remember `apply` takes a function that gets a row (or column) passed to it
ordini["discount"] = ordini.apply(
    lambda row: delta_perc(row['revenue1'], row['revenue2']),
    axis=1
)

将此计算应用于整个系列：

ordini["discount"] = [delta_perc(a,b) for a,b in zip(ordini["revenue1"],ordini["revenue2"])]

Example:

np.where

Answer 4

你有没有尝试在

import pandas as pd
import numpy as np

def delta_perc(x, y):
    return np.where(y != 0, (x-y)/x*100, 0)
    # I think you may want when x != 0, since you divide by x: 
    #return np.where(x != 0, (x-y)/x*100, 0)

中加入

np.random.seed(12)
df = pd.DataFrame(np.random.randint(0,10,(10,2)))

df['new_col'] = delta_perc(df[0], df[1])
#   0  1     new_col
#0  6  1   83.333333
#1  2  3  -50.000000
#2  3  0    0.000000
#3  6  1   83.333333
#4  4  5  -25.000000
#5  9  2   77.777778
#6  6  0    0.000000
#7  5  8  -60.000000
#8  2  9 -350.000000
#9  3  4  -33.333333

？

lambda

如果性能对您很重要，请尝试这样做。

apply