我在將多個函數應用于我的數據框時遇到一些問題。我創建了一個示例代碼來說明我正在嘗試做什么。可能有比我正在做的方式更好的方法來完成這個特定的功能，但我試圖為我的問題找到一個通用的解決方案，因為我使用了多個函數，而不僅僅是如何最有效地完成這個特定的事情?；旧?，我有一個如下所示的示例數據框（df1）： Ticker Date High Volume0 AAPL 20200501 1.5 1501 AAPL 20200501 1.2 1002 AAPL 20200501 1.3 1503 AAPL 20200502 1.4 1304 AAPL 20200502 1.2 1705 AAPL 20200502 1.1 1606 TSLA 20200501 2.5 2507 TSLA 20200501 2.2 2008 TSLA 20200501 2.3 2509 TSLA 20200502 2.4 23010 TSLA 20200502 2.2 27011 TSLA 20200502 2.1 260和一個如下所示的示例數據框（df2）： Ticker Date Price SumVol0 AAPL 20200508 1.2 01 TSLA 20200508 2.2 0df2 中“SumVol”列中的值應填充 df1 中“Volume”列中值的總和，直到第一次在 df2 中看到“Price”(df1) 列中的值為止，并且df1 中的日期與 df2 中的日期匹配期望的輸出： Ticker Date Price SumVol0 AAPL 20200508 1.2 3001 TSLA 20200508 2.2 500由于某種原因，我無法獲得此輸出，因為我可能在嘗試將該函數應用于數據幀的代碼行中做錯了什么。我希望這里有人可以幫助我。完整的示例代碼，包括示例數據幀：import pandas as pddf1 = pd.DataFrame({'Ticker': ['AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL', 'TSLA', 'TSLA', 'TSLA', 'TSLA', 'TSLA', 'TSLA'], 'Date': [20200501, 20200501, 20200501, 20200502, 20200502, 20200502, 20200501, 20200501, 20200501, 20200502, 20200502, 20200502], 'High': [1.5, 1.2, 1.3, 1.4, 1.2, 1.1, 2.5, 2.2, 2.3, 2.4, 2.2, 2.1], 'Volume': [150, 100, 150, 130, 170, 160, 250, 200, 250, 230, 270, 260]})print(df1)df2 = pd.DataFrame({'Ticker': ['AAPL', 'TSLA'], 'Date': [20200501, 20200502], 'Price': [1.4, 2.2], 'SumVol': [0,0]})print(df2)def VolSum(ticker, date, price): df11 = pd.DataFrame(df1) df11 = df11[df11['Ticker'] == ticker] df11 = df11[df11['Date'] == date] df11 = df11[df11['High'] < price] df11 = pd.DataFrame(df11) return df11.Volume.sumdf2['SumVol'].apply(VolSum(df2['Ticker'], df2['Date'], df2['Price']), inplace=True).reset_index(drop=True, inplace=True)print(df2)
1 回答
寶慕林4294392
TA貢獻2021條經驗 獲得超8個贊
失敗的第一個原因是你的函數以 return df11.Volume.sum（不帶括號）結尾，因此你只返回sum函數，而不是其執行結果。
另一個原因是您可以將函數應用于 Dataframe 的每一行，但必須傳遞axis=1參數。但是之后：
要應用的函數應該有一個參數 - 當前行，
其結果可以替換到所需的列下。
失敗的第三個原因是df2包含df1中不存在的日期，因此您不可能找到任何匹配的行。
如何獲得預期結果 - 方法1
首先，df2必須包含可能與df1匹配的值。我將df2定義為：
Ticker Date Price SumVol
0 AAPL 20200501 1.4 0
1 TSLA 20200502 2.3 0
然后我將你的功能更改為：
def VolSum(row):
df11 = pd.DataFrame(df1)
df11 = df11[df11['Ticker'] == row.Ticker]
df11 = df11[df11['Date'] == row.Date]
df11 = df11[df11['High'] < row.Price]
return df11.Volume.sum()
最后我生成的結果為：
df2['SumVol'] = df2.apply(VolSum, axis=1)
結果是：
Ticker Date Price SumVol
0 AAPL 20200501 1.4 250
1 TSLA 20200502 2.3 530
如何獲得預期結果——方法2
但更簡潔優雅的方法是將求和函數定義為：
def VolSum2(row):
return df1.query('Ticker == @row.Ticker and '
'Date == @row.Date and High < @row.Price').Volume.sum()
并以同樣的方式應用它：
df2['SumVol'] = df2.apply(VolSum2, axis=1)
結果當然是一樣的。
添加回答
舉報
0/150
提交
取消