基于另一个表中的多个列在一个表中创建一个列[python]

Question

我正在创建一个 csv 表，其中包含有关我所有订单的信息。现在我想卖掉这些物品，但我想根据物品的价格添加额外的附加费。我用 surcharge 创建了一个新表，其中有名为“from”和“to”的列，我必须在其中比较商品价格，然后在销售价格中包含正确的附加费。

但我无法做到这一点。我尝试了不同的方法，但它们似乎都不起作用。任何帮助都会很好:)

我的桌子是这样的：

    OrderNo      NetPerPiece costsDividedPerOrder  HandlingPerPiece

0  7027514279        44.24     0.008007          0.354232

1  7027514279        15.93     0.008007          0.127552

2  7027514279        15.93     0.008007          0.127552

3  7027514279        15.93     0.008007          0.127552

4  7027514279        15.93     0.008007          0.127552

surcharges = {'surcharge': [0.35, 0.25, 0.2, 0.15, 0.12, 0.1],
'from': [0, 20, 200, 500, 1500, 5000], 
'to' : [20, 200, 500, 1500, 5000,1000000000] }
surchargeTable = DataFrame(surcharges, columns=['surcharge', 'from', 'to'])


productsPerOrder['NetPerpieceSale'] = numpy.where(((productsPerOrder['NetPerPiece'] >= surchargeTable['from']) & (productsPerOrder['NetPerPiece'] < surchargeTable['to'])), surchargeTable['surcharge'])


#I also tried this:

for index, row in productsPerOrder.iterrows():
        if row['NetPerPiece'] >= surchargeTable['from'] & row['NetPerPiece'] < surchargeTable['to']:
                productsPerOrder.loc[index,'NerPerPieceSale'] = surchargeTable.loc[row,'NetPerPieceSale'].values(0)

我希望它看起来像这样：

 OrderNo   NetPerPiece costsDividedPerOrder  HandlingPerPiece NetPerPieceSale

0  7027514279   44.24           0.008007          0.354232    0.25

1  7027514279   15.93           0.008007          0.127552    0.35

2  7027514279   15.93           0.008007          0.127552    0.35

3  7027514279   15.93           0.008007          0.127552    0.35

4  7027514279   15.93           0.008007          0.127552    0.35

提醒一下，包含项目的文件要大得多，我只显示了 csv 列表的头部。所以表格的长度不同

SurchargeTable 如下所示：

 surcharge  from          to
0       0.35     0          20
1       0.25    20         200
2       0.20   200         500
3       0.15   500        1500
4       0.12  1500        5000
5       0.10  5000  1000000000

Answer 1

创建一个函数来计算附加费，然后使用.apply 将其应用于“NetPerPiece”行。

import pandas as pd
df = pd.read_csv('something.csv')   

def get_surcharges(x):
    to = [0, 20, 200, 500, 1500, 5000] 
    fr = [20, 200, 500, 1500, 5000,1000000000]
    surcharges = [0.35, 0.25, 0.2, 0.15, 0.12, 0.1]
    rr = list(zip(to, fr, surcharges))
    price = [r[2] for r in rr if x > r[0] and x <r[1]]
    return price[0]

df['NetPerpieceSale'] = df['NetPerPiece'].apply(lambda x: get_surcharges(x))

print(df)

这个输出：

      OrderNo  NetPerPiece  costsDividedPerOrder  HandlingPerPiece  NetPerpieceSale
0  7027514279        44.24              0.008007          0.354232             0.25
1  7027514279        15.93              0.008007          0.127552             0.35
2  7027514279        15.93              0.008007          0.127552             0.35
3  7027514279        15.93              0.008007          0.127552             0.35
4  7027514279        15.93              0.008007          0.127552             0.35

没有 for 循环的选项（有点冗长）：

def get_surcharges(x):
    if x > 0:
        if x > 20:
            if x > 200:
                if x > 500:
                    if x > 1500:
                        if x > 5000:
                            return 0.1
                        else:
                            return 0.12
                    else:
                        return 0.15
                else:
                    return 0.2
            else:
                return 0.25
        else:
            return 0.35

Answer 2

另一种方法是使用pd.IntervalIndex 和map：

# Create IntervalIndex on surchageTable dataframe
surchargeTable = surchargeTable.set_index(pd.IntervalIndex.from_arrays(surchargeTable['from'],
                                                                       surchargeTable['to']))

#Use map to pd.Series created from surchargeTable IntervalIndex and surcharge column.
productsPerOrder['NetPerPieceSale'] = productsPerOrder['NetPerPiece'].map(surchargeTable['surcharge'])

productsPerOrder

输出：

      OrderNo  NetPerPiece  costsDividedPerOrder  HandlingPerPiece  NetPerPieceSale
0  7027514279        44.24              0.008007          0.354232             0.25
1  7027514279        15.93              0.008007          0.127552             0.35
2  7027514279        15.93              0.008007          0.127552             0.35
3  7027514279        15.93              0.008007          0.127552             0.35
4  7027514279        15.93              0.008007          0.127552             0.35

Answer 3

使用上述 NetPerPieceScale 计算，只需向现有数据框添加一列
或者您可以将计算保存到这样的数据框中：
net=pd.DataFrame(NetPerPieceScale, columns=['NetPerPieceScale '])

只需将其连接到现有的 Dataframe，您将在 1 个表中拥有所有内容