在 DataFrame 中使用 apply 和 lambda 时，有没有办法应用条件？答案

【问题标题】：Is there a way to apply a condition while using apply and lambda in a DataFrame?在 DataFrame 中使用 apply 和 lambda 时，有没有办法应用条件？
【发布时间】：2021-02-10 23:37:51
【问题描述】：

我有一个看起来像这样的 Pandas 数据框：

    ID                                               Dyn
0 AA01   0.084, 0.049, 0.016, -0.003, 0, 0.025, 0.954, 1
1 BG54   0.216, 0.201, 0.174, 0.175, 0.179, 0.191, 0.200

我正在寻找一种方法来遍历 Dyn 列，生成另一个仅对大于截止值的数字求和的方法，即：0.150，并为传递它的所有值分配一个值。这就是预期的结果：

    ID                                               Dyn Sum
0 AA01   0.084, 0.049, 0.016, -0.003, 0, 0.025, 0.954, 1   2
1 BG54   0.216, 0.201, 0.174, 0.175, 0.179, 0.191, 0.200   7

我认为我可以使用 apply，同时遍历所有行：

for index, rows in df.iterrows():
   df['Sum'] = df['Dyn'].apply(lambda x: x = 1 if int(x) > 0.150 )

但我不知道如何将条件（仅在大于 0.150 的情况下求和）应用于“Dyn”中的所有值以及如何将 1 的值分配给它们。接受所有建议。谢谢！

【问题讨论】：

stackoverflow.com/questions/20995196/…

标签： python python-3.x pandas dataframe apply

【解决方案1】：

#Create temp column to hold Dyn convereted into list
df=df.assign(sum=df['Dyn'].str.split(','))

#Explode DataFrame
df=df.explode('sum')
#Convert to float
df['sum']=df['sum'].astype(float)
#Filter out values greater that 0.015, groupby and sum
df[df['sum'].gt(0.150)].groupby(['ID','Dyn'])['sum'].sum().reset_index()

【讨论】：

感谢您的回答。我明白它是如何工作的。我不知道为什么 .sum() 不起作用，它仍然返回爆炸后的所有列，并且该列只有每个 'Dyn' 行的单独值。
为我工作。检查列的命名。也许有空格。你能df.columns 并复制出现在代码中的列吗？
是的，它应该可以工作。我不知道为什么它没有。我得到了正确的列（df.columns 返回：Index（['ID'，'Dyn'，'Dyn_Sum']，dtype='object'）），但我得到了 df 爆炸（22899 行）其中由 sum 组成（预计为 67 行）。

【解决方案2】：

下面的呢？可以过滤掉不满足条件的记录，然后求和：

>>> x = pd.DataFrame({'ID': {0: 'A', 1: 'B'}, 'Dyn': {0: '1,2,3', 1: '2,3,4'}})
>>> x
  ID    Dyn
0  A  1,2,3
1  B  2,3,4
>>> y = x.set_index('ID').Dyn.str.split(',').explode().astype(int)
>>> y = y[y>=1.5]
>>> x.merge(y.groupby('ID').sum().reset_index().rename({'Dyn':'Sum'}, axis = 1))
  ID    Dyn  Sum
0  A  1,2,3    5
1  B  2,3,4    9

【讨论】：

我相信这可以工作，但我遇到了错误：'ValueError: invalid literal for int() with base 10: '0.084''，也许我需要先转换这些值？
啊，改用 .astype(float) 吧。我的模型只考虑整数。看看这是否有效。