Pandas 基于第三列的数据帧列差异条件

在以下熊猫数据框架中，如何获得基于“acqDis_nondrv”的第三列“排列”

acqDis_nondrv  Close nondrvPrice
           D      8      32.015
           A      16     5.729
           D      20     20.00
           A      16     5.729
           A      16     5.729

预期结果

    acqDis_nondrv     Close  nondrvPrice  spread
               D      8      32.015.      24.015     
               A      16     5.729        10.271
               D      20     20.00        0
               A      16     5.729        10.271
               A      16     5.729.       10.271

从本质上讲，我试图实现的是获得“

Close

”和“Close”之间的差异 基于

acqDis\u nondrv

列的

nondrvPrice

我试过了

df['spread']=df['Close']-df['nondrvPrice']

如何为我的需求添加条件

• 如果acqDis_nondrv=='A'，则df['Close']-df['nondrvPrice']

• 如果acqDis_nondrv=='D'df['nondrvPrice']-df['Close']

使用

apply（）

方法：

df['spread']=df.apply(lambda x: x['Close']-x['nondrvPrice'] if x['acqDis_nondrv'] == 'A' else(x['nondrvPrice']-x['Close'] if x['acqDis_nondrv'] == 'D' else x ),axis=1)

现在，如果您打印

df

，您将获得所需的输出：

     acqDis_nondrv  Close   nondrvPrice     spread
0           D       8       32.015          24.015
1           A       16      5.729           10.271
2           D       20      20.000          0.000
3           A       16      5.729           10.271
4           A       16      5.729           10.271

---

注意：如果您熟悉

numpy

使用

where（）

方法（由@sophocles给出的答案），因为它更高效（速度方面）

您可以这样做：

df['spread']=df['Close']-df['nondrvPrice']
df.loc[df['acqDis_nondrv'].eq('D'), 'spread'] = df['nondrvPrice'] - df['Close']

您可以使用，例如：

---

---

请注意，此答案假设您的列acqDis\u nondrv只能取值“A”和“D”，如果不是这样，请在您的问题中说明这一点。

您的意思是想要列之间的绝对差吗？什么样的条件？你能举个例子吗？条件是-如果acqDis_nondrv='A'那么df['Close']-df['nondrvPrice']，如果acqDis_nondrv='D'df['nondrvPrice']-df['Close']，我认为最好是更新你的问题，而不是在评论中添加你的条件。不，这不是正确的解决方案-如果acqDis_nondrv='A'那么df['Close'-df，这是我想要的['nondrvPrice']，如果acqDis_nondrv='D'df['nondrvPrice']-df['Close']，您在问题中提到了这种情况？很抱歉发布得太早。更新了我的答案，请看一看：）我仍然很惊讶像

apply

这样的人，这很遗憾……在我看来，这是推荐的解决方案。

import numpy as np
df['spread'] = np.where(df['acqDis_nondrv'] == 'A', df['Close'] - df['nondrvPrice'],
                        df['nondrvPrice'] - df['Close'])

df

  acqDis_nondrv  Close  nondrvPrice  spread
0             D      8       32.015  24.015
1             A     16        5.729  10.271
2             D     20       20.000   0.000
3             A     16        5.729  10.271
4             A     16        5.729  10.271