根据行间变化的计算创建一个新列？

Question

我想计算给定日期的变量总和。每一天都包含不同的计算，但所有天都一致地使用变量。

有一个 df 指定了我的变量，还有一个 df 指定了计算将如何根据一天而改变。

如何创建一个包含来自这些不同方程式的答案的新列？

import pandas as pd
import numpy as np

conversion = [["a",5],["b",1],["c",10]]
conversion_table = pd.DataFrame(conversion,columns=['Variable','Cost'])

data1 = [[1,"3a+b"],[2,"c"],[3,"2c"]]
to_solve = pd.DataFrame(data1,columns=['Day','Q1'])

desired = [[1,16],[2,10],[3,20]]
desired_table=pd.DataFrame(desired,columns=['Day','Q1 solved'])

我已经根据行分离了我的变量和方程。我可以循环遍历这些方程以找到非数字并重新分配它们吗？

#separate out equations and values 

for var in conversion_table["Variable"]:
    cost=(conversion_table.loc[conversion_table['Variable'] == var, 'Cost']).mean()

for row in to_solve["Q1"]:
    equation=row

Answer 1

一个简单的建议，也许你需要重写你的代码的一部分。不知道你是否想要这样的东西：

a = 5
b = 1
c = 10

# Rewrite the equation that is readable by Python
# e.g. replace 3a+b by 3*a+b
data1 = [[1,"3*a+b"],
         [2,"c"],
         [3,"2*c"]]

desired_table = pd.DataFrame(data1,
                        columns=['Day','Q1'])
desired_table['Q1 solved'] = desired_table['Q1'].apply(lambda x: eval(x))
desired_table

输出：

   Day     Q1  Q1 solved
0    1  3*a+b         16
1    2      c         10
2    3    2*c         20

Answer 2

如果可以将方程式更改为带有* 的方程式，那么您可以这样做。

从

获取映射

mapping = dict(zip(conversion_table['Variable'], conversion_table['Cost'])

评估函数并用映射中的数字替换变量

desired_table['Q1 solved'] = to_solve['Q1'].map(lambda x: eval(''.join([str(mapping[i]) if i.isalpha() else str(i) for i in x])))

0    16
1    10
2    20