我想根据某些条件在我的数据框中添加一列

Question

我想根据提到的条件添加另一列 RevisedPrice

如果价格=1500 那么修正价格=价格+(价格*0.15) 否则如果价格=800 那么修正价格=价格+(价格*0.10) 否则修正价格=价格+(价格*0.5)

下面是我的代码------------

df['RevisedPrice']=[x+(0.15*x) if x==1500 else x+(0.10*x) if x==800 else x+(0.05*x) for x in df['Price']]

我将我的列值设为RevisedPrice=Price+(Price*0.5)

Answer 1

您可以使用pandas 数据框的apply功能来实现所需的结果。 这是您可能想尝试的代码：

def transform(row):
    if row["Price"] == 1500:
        scale = 0.15
    elif row["Price"] == 800:
        scale = 0.10
    else:
        scale = 0.5

    return row["Price"] + row["Price"] * scale

df["RevisedPrice"] = df.apply(transform, axis=1)

当你执行>>>print(df.head())

输出：

         Date   Event  Price  RevisedPrice
0   11/8/2011   Music   1500        1725.0
1   11/9/2011  Poetry    800         880.0
2  11/10/2011   Music   1500        1725.0
3  11/11/2011  Comedy   1200        1800.0
4  11/12/2011  Poetry    800         880.0

Answer 2

这是我使用lambda方法。 您可以通过这种方式应用多个条件。

df['RevisedPrice'] = df['Price'].apply(lambda x: x*1.15 if x == 1500 else (x*1.1 if x == 800 else x*1.05))

输出：

    Event  Price  RevisedPrice
0   music   1500        1725.0
1  poetry    800         880.0
2   music   1500        1725.0
3  comedy   1200        1260.0
4  poetry    800         880.0

PS：我假设else条件的 RevisedPrice 是x+(x*0.05) 。 如果是x+(x*0.5)你也可以修改条件。

Answer 3

尝试：

mapping={1500: 1.15, 800: 1.1}
df['RevisedPrice']=df['Price'].map(mapping).fillna(1.5).mul(df['Price'])

所以将所有Price映射到适当的系数，填充else （因为.map映射 1:1，你不能把else放在那里）。 然后只需将其乘以基列 - Price