如何根据两个条件乘以数据框的单元格值?

Question

我有这个数据框架

import numpy as np
import pandas as pd
data = {'month': ['5','5','6', '7'], 'condition': ["yes","no","yes","yes"],'amount': [500,200, 500, 500]}

和两个值:

inflation5 = 1.05
inflation6 = 1.08
inflation7 = 1.08

我需要知道如何将列'amount'的单元格乘以值inflation5，当列'month'的值为5，列'condition'的值为"yes"，并将列'amount'的单元格乘以值inflation6，当列'month'的值为6，列'condition'的值为"yes"，与月7相同。但是我需要第6个月的计算是基于第5个月的新计算值，第7个月的计算是基于第6个月的新计算值。为了更好地解释这一点，值500是一个估计值，需要使用菜单膨胀(累计)来更新。列'amount'的预期输出:[525,200,567,612.36]

感谢

Answer 1

我建议使用另一种方法来提高效率。

使用字典来存储膨胀，然后您可以简单地在单个矢量调用中更新:

inflations = {'5': 1.05, '6': 1.08}
mask = df['condition'].eq('yes')
df.loc[mask, 'amount'] *= df.loc[mask, 'month'].map(inflations)

NB。如果字典中可能缺少月份，请使用df.loc[mask, 'month'].map(inflations).fillna(1)代替df.loc[mask, 'month'].map(inflations)

输出:

month condition  amount
0     5       yes     525
1     5        no     200
2     6       yes    6480
3     7        no    1873

更新问题:累计通货膨胀

你可以制作一个系列，并使用cumprod:

inflations = {'5': 1.05, '6': 1.08, '7': 1.08}
mask = df['condition'].eq('yes')
s = pd.Series(inflations).cumprod()
df.loc[mask, 'amount'] *= df.loc[mask, 'month'].map(s).fillna(1)

输出:

month condition  amount
0     5       yes  525.00
1     5        no  200.00
2     6       yes  567.00
3     7       yes  612.36

Answer 2

对于这个，我将运行一个np。Where，应该使其易于阅读，并且可扩展，特别是当您想用函数更改条件时。

df = pd.DataFrame(data)
df['Inflation'] = np.where((df['month'] == '5') & (df['condition'] == 'yes'), inflation5, 1)
df['Inflation'] = np.where((df['month'] == '6') & (df['condition'] == 'yes'), inflation6, df['Inflation'])
df['Total_Amount'] = df['amount'].values * df['Inflation'].values