熊猫 - Python: Apply() 和 if/then 逻辑

Question

我有以下数据帧：

example  = pd.DataFrame({"dirr":[1,0,-1,-1,1,-1,0], 
                         "value": [125,130,80,8,150,251,18], 
                         "result":[np.NaN for _ in range(7)]})

我想用cummin（）和cummax（）对其执行以下操作：

^{pr2}$

返回：error: invalid syntax。在

有人能帮我把那个弄直吗？在

这将是预期的输出：

example  = pd.DataFrame({"dirr":[1,0,-1,-1,1,-1,0], 
                         "value": [125,130,80,8,150,251,18], 
                         "result":[125, NaN, 80, 8, 150, 8, NaN]})

编辑：

因此，根据@su79eu7k的回答，以下函数可以：

def calc(x):
    if x['dirr'] == 1:
        return np.diag(example["value"].cummax())
    elif x['dirr'] == -1:
        return np.diag(example["value"].cummin())
    else:
        return np.nan

我应该可以把它推到lambda中，但仍然因为语法错误而受阻。。。我还是看不见？在

example["result"]=example.apply(lambda x : np.diag(x["value"].cummax()) if x["dirr"]==1
                               else np.diag(x["value"].cummin()) if x["dirr"]==-1
                               else NaN if x["dirr"]==0
                              )

最后一个小小的推动形式你们将不胜感激。在

Answer 1

我认为@3novak的解决方案既简单又快速。但如果您真的想使用apply函数

def calc(x):
    if x['dirr'] == 1:
        return example["value"].cummax()
    elif x['dirr'] == -1:
        return example["value"].cummin()
    else:
        return np.nan

example['result']  = np.diag(example.apply(calc, axis=1))

print example

   dirr  result  value
0     1   125.0    125
1     0     NaN    130
2    -1    80.0     80
3    -1     8.0      8
4     1   150.0    150
5    -1     8.0    251
6     0     NaN     18

Answer 2

我认为用单独的行代替apply是最有意义的。如果使用apply函数，则应该创建一个单独的函数并将其传递，而不是生成一个三行lambda。在

example.loc[example['dirr'] == 1, 'result'] = \
            example.loc[example['dirr'] == 1, 'value'].cummax()
example.loc[example['dirr'] == -1, 'result'] = \
            example.loc[example['dirr'] == -1, 'value'].cummin()

>>> example
   dirr  result  value
0     1   125.0    125
1     0     NaN    130
2    -1    80.0     80
3    -1     8.0      8
4     1   150.0    150
5    -1     8.0    251
6     0     NaN     18

下面是另一种apply方法。在

^{pr2}$

Answer 3

全是裸体

v = example.value.values
d = example.dirr.values
mx = np.maximum.accumulate(v)
mn = np.minimum.accumulate(v)
example['result'] = np.where(d == 1, mx, np.where(d == -1, mn, np.nan))
example

   dirr  result  value
0     1   125.0    125
1     0     NaN    130
2    -1    80.0     80
3    -1     8.0      8
4     1   150.0    150
5    -1     8.0    251
6     0     NaN     18

---

定时