熊猫将函数应用于列

Question

我在将几个函数应用于我的数据框时遇到了一些问题。

我创建了一个示例代码来说明我想要做什么。 可能有比我这样做的方式更好的方法来完成这个特定的功能，但我正在尝试为我的问题找到一个通用的解决方案，因为我使用了几个功能，而不仅仅是如何最有效地完成这个特定的事情.

基本上，我有一个如下所示的示例数据框 (df1)：

   Ticker      Date  High  Volume
0    AAPL  20200501   1.5     150
1    AAPL  20200501   1.2     100
2    AAPL  20200501   1.3     150
3    AAPL  20200502   1.4     130
4    AAPL  20200502   1.2     170
5    AAPL  20200502   1.1     160
6    TSLA  20200501   2.5     250
7    TSLA  20200501   2.2     200
8    TSLA  20200501   2.3     250
9    TSLA  20200502   2.4     230
10   TSLA  20200502   2.2     270
11   TSLA  20200502   2.1     260

和一个看起来像这样的示例数据框（df2）：

  Ticker      Date  Price  SumVol
0   AAPL  20200508    1.2       0
1   TSLA  20200508    2.2       0

df2 中“SumVol”列中的值应填充 df1 中“Volume”列中值的总和，直到第一次在 df2 中看到“Price”(df1) 列中的值，并且df1 中的日期与 df2 中的日期匹配

所需的输出：

    Ticker      Date  Price  SumVol
0   AAPL  20200508    1.2    300
1   TSLA  20200508    2.2    500

出于某种原因，我无法获得此输出，因为我可能在尝试将函数应用于数据帧的代码行中做错了。 我希望这里有人可以帮助我。

完整的示例代码，包括示例数据帧：

import pandas as pd

df1 = 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.sum

df2['SumVol'].apply(VolSum(df2['Ticker'], df2['Date'], df2['Price']), inplace=True).reset_index(drop=True, inplace=True)
print(df2)

Answer 1

您失败的第一个原因是您的函数以return df11.Volume.sum （不带括号）结束，因此您只返回sum函数，而不是其执行结果。

另一个原因是您可以将函数应用于例如 Dataframe 的每一行，但您必须传递axis=1参数。 但是之后：

• 要应用的函数应该有一个参数——当前行，
• 其结果可以在所需的列下替换。

失败的第三个原因是df2包含例如df1 中不存在的日期，因此您不可能找到任何匹配的行。

如何得到预期的结果——方法一

首先， df2必须包含可能与df1匹配的值。 我将df2定义为：

  Ticker      Date  Price  SumVol
0   AAPL  20200501    1.4       0
1   TSLA  20200502    2.3       0

然后我将您的功能更改为：

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()

最后我生成的结果为：

df2['SumVol'] = df2.apply(VolSum, axis=1)

结果是：

  Ticker      Date  Price  SumVol
0   AAPL  20200501    1.4     250
1   TSLA  20200502    2.3     530

如何得到预期的结果——方法二

但更简洁优雅的方法是将求和函数定义为：

def VolSum2(row):
    return df1.query('Ticker == @row.Ticker and '
        'Date == @row.Date and High < @row.Price').Volume.sum()

并以同样的方式应用它：

df2['SumVol'] = df2.apply(VolSum2, axis=1)

结果当然是一样的。