根据行值将函数应用于Pandas中的列

Question

假设我有以下数据框：

date,id,value
1/1/2017,5,300
1/1/2017,51,300
1/1/2017,54,300
1/2/2017,5,100
1/2/2017,51,100
1/2/2017,54,100

而且我有一个字典映射id到这样的调整因子：

{5: 20, 51: 23.5, 54:10}

我想add与id对应的因数add到数据框中的value列，导致：

date,id,value,adjusted_value
1/1/2017,5,300,300+20=320
1/1/2017,51,310,310+23.5=333.5
1/1/2017,54,320,320+10=330
1/2/2017,5,110,110+20=130
1/2/2017,51,120,120+23.5=143.5
1/2/2017,54,130,130+10=140

有没有简单的方法可以做到这一点？

Answer 1

我想你正在寻找ngroup，cumcount和map即

x = df.groupby('date')
d = {5: 20, 51: 23.5, 54: 10}
df['new'] = (x.cumcount()+x.ngroup())*10 +df['id'].map(d)+df['value']

输出：

date  id  value    new
0  1/1/2017   5    300  320.0
1  1/1/2017  51    300  333.5
2  1/1/2017  54    300  330.0
3  1/2/2017   5    100  130.0
4  1/2/2017  51    100  143.5
5  1/2/2017  54    100  140.0

说明

(x.cumcount()+x.ngroup()

0    0
1    1
2    2
3    1
4    2
5    3

 (x.cumcount()+x.ngroup())*10 +df['value'] 

0    300
1    310
2    320
3    110
4    120
5    130
dtype: int64

Answer 2

一内胆：

df['adjusted_value'] = df.apply(lambda x: dictionary[x['id']] + x['value'] , axis=1)

更详细：

df['adjusted_value'] = [dictionary[i] for i in df['id']]
df['adjusted_value'] = df['adjusted_value'] + df['value']