基于过滤输入选择创建新列的函数

Question

我想创建一个新列，如果在变量中选择了名称，则将pt_nm的列值与预定义值相乘:

df["pt_nm"]看起来像这样

0    0.0
1    1.0
2    1.0
3    2.0
4    1.0
dtype: float64

可供选择的变量如下:

types = ["E", "S", "EK"]
r_type = "E"
pt_s= 25
pt_e = 60
pt_ek = 45

我尝试了下面的操作，但没有成功:

def race (r_type, pt_nm):
if r_type == "E":
pt_nm* pt_e
elif r_type == "S":
pt_nm* pt_s
else:
pt_nm* pt_ek
df["pt_new"] = df["pt_nm"].apply(race, axis = 1)

我想问题可能出在参数上?对该函数如何工作的解释是赞赏的!:)

Answer 1

使用通过完整系列的Series.pipe功能，还可以添加return，如:

types = ["E", "S", "EK"]
r_type = "E"
pt_s= 25
pt_e = 60
pt_ek = 45
#swapped arguments
def race (pt_nm, r_type):
if r_type == "E":
return  pt_nm* pt_e
elif r_type == "S":
return pt_nm* pt_s
else:
return pt_nm* pt_ek
df["pt_new"] = df["pt_nm"].pipe(race, r_type)
#alternatuive
#df["pt_new"] = race(df["pt_nm"], r_type)
print (df)
pt_nm  pt_new
0    0.0     0.0
1    1.0    60.0
2    1.0    60.0
3    2.0   120.0
4    1.0    60.0

Answer 2

你可以试试这个吗:

def race (r_type, pt_nm):
if r_type == "E":
return pt_nm* pt_e
elif r_type == "S":
return pt_nm* pt_s
else:
return pt_nm* pt_ek
df["pt_new"] = df["pt_nm"].apply(lambda x: race(x,r_type=r_type))