Python 如何修复函数以获得正确的计数

基于类别，我想使用函数创建一个新类别。然而，当我构建一个函数时，它没有得到正确的计数。我已经创建了一个示例数据供参考。请查看以下代码：

创建用于引用的数据帧 统计 ##使用函数调整类别

def newcat(x,y):
    if x=="high":
        return "High_Risky"
    elif x=="medium" and y=="yes":
        return "Medium_Risky"
    elif x=="Low" and x=="others":
        return "Low_Risky"

df['overdue_flag']=df.apply(lambda x:newcat(x['category'],x['overdue']),axis=1)

你可以试试这个：

将熊猫作为pd导入
df=pd.DataFrame({
“供应商”：[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]，
“逾期”：[“是”、“否”、“是”、“否”、“是”、“否”、“是”、“否”、“否”、“是”、“否”、“否”、“否”、“否”、“否”、“是”、“否”]，
“类别”：[“高”、“中”、“低”、“其他”、“中”、“低”、“低”、“其他”、“高”、“中”、“低”、“其他”、“中”、“低”、“其他”、“中”、“低”、“其他”]
})
def新_cat（df）：
#创建默认值为“低风险”的新列“过期标志”
df.loc[：，“过期标志”]=“低风险”
#应用第一个条件
mask1=df['category']=“高”
df.loc[mask1，‘过期标志’]=“高风险”
#应用第二个条件
mask2=（df['category']==“medium”）&（df['supernate']==“yes”）
df.loc[mask2，‘过期标志’]=“中等风险”
返回df
df=新的_类（df）
打印（df）
#输出
供应商过期类别过期标志
0 1是高高高风险
1 2无中低风险
2 3是低风险
3 4无其他低风险
4 5是中等风险
5.6无低风险
6 7是低风险
7 8无其他低风险
8.9无高风险
9 10是中等风险
10 11无低风险
11 12无其他低风险
12 13无中低风险
13 14是低风险
14 15无其他低风险

如果您有多个

If/else

条件，请使用

np。选择
（矢量化/快速）
只需在
条件列表中提供条件，以及在
选项列表中如何处理该特定条件-

import numpy as np

condlist = [
    (df['category'] == "medium") & (df['overdue'] == "yes"),
    (df['category'] == "high")
]

choicelist = [
    'High_Risky',
    'Medium_Risky'
]


df['overdue_flag'] = np.select(condlist,choicelist)

你对
df['category']的结果做了什么？value_counts（）
你希望你的结果
df
是什么样子？当类别
中等且过期
no
时，结果应该是什么？旁白：你最后的
elif
语句总是错误的，因为
x
不能同时是
==“低”
和
==“其他”
。我想将高风险替换为高风险，将低风险替换为低风险，将中等风险替换为中等风险，将过期时的class='Yes'替换为中等风险设置错误键error:'过期标志'我没有收到任何错误，请参阅我的更新答案。
def newcat(x,y):
    if x=="high":
        return "High_Risky"
    elif x=="medium" and y=="yes":
        return "Medium_Risky"
    elif x=="Low" and x=="others":
        return "Low_Risky"

df['overdue_flag']=df.apply(lambda x:newcat(x['category'],x['overdue']),axis=1)

import numpy as np

condlist = [
    (df['category'] == "medium") & (df['overdue'] == "yes"),
    (df['category'] == "high")
]

choicelist = [
    'High_Risky',
    'Medium_Risky'
]


df['overdue_flag'] = np.select(condlist,choicelist)