Python 迭代字典并使用lambda函数计算值

我试图迭代df2，将est7wks值与字典中相应的平均值相乘。如果产品线是一条全局产品线，则返回预测值

乘积_平均={ “杂货店”：1.94， “饮料”：1.57， 电话：2.08 } df2=pd.DataFrame[ { “说明”：“玉米片”， “部门”：“杂货店”， “预计7周”：2043年， “产品线”：“全球线”， “预测”：“待定” }, { ‘描述’：‘可口可乐’， “部门”：“饮料”， “预计7周”：10500， “产品线”：“全球线”， “预测”：“待定” }, { “说明”：“iphone 11”， "部门":"电话",， “预计7周”：140， “产品线”：“钻石线”， “预测”：“待定” } ] 我的密码

def部门产品是指，部门，预计7周，产品线，预测： 对于产品中的k，v表示： 如果部门=k，产品线=菱形线： 返回est_7周*v 其他： 回报预测 df['forecast']=df.apply lambda x：截面图 我是说， x[“部门”]， x['est_7wks']， x[“产品线”]， x[“预测”] , 轴=1 它可以工作，但只返回字典中第一个项目的变量。其他部门，如饮料和电话，都没有价值。

你可以通过以下方式实现这一点。使用这种方法，您不需要迭代数据帧中的行，这将快得多

为菱形线制作布尔掩码 钻石蒙版=df2[产品线].eqDiamond线 从product_mean创建条件列表 条件=[diamond_mask&df2[部门] 从product_mean创建选项列表 选择=[df2[est_7wks]*v代表k，v代表产品的平均值项目] 使用np.select，默认值为forecast df2[res]=np.selectcondlist=conditions，choicelist=choices，default=df2[forecast] 输出：

Out[14]：描述部门预计7周产品线预测结果 0玉米片杂货店2043全球生产线待定 1可口可乐饮料10500全球生产线待定 2部iphone 11手机140钻石线待定291.2 部门职能应为：

def部门产品是指，部门，预计7周，产品线，预测： 如果产品线=‘全球线’和产品线中的部门表示： 返回est_7周*产品是指[部门] 其他： 回报预测

---

产品是什么意思？你的qn不清楚你想做什么do@SerialLazerproduct_mean是包含“部门”的各种平均值的词典。这是我希望乘以'est7wks'的值，如果条件保持不变，请确保您还添加了您得到的输出，并指定了它的确切问题。如果我想对多个条件执行此操作，例如silver\u mask=df2[Product\u Line]。eqSilver Line，然后我有具有不同值的Product\u mean 2。你能用silver_mask帮助考虑第二种情况并提供一个代码来同时运行它们吗？这将是相同的代码，但使用你的silver_mask。如果你想同时使用它们，你正在朝着一个大的条件组合前进。你应该让你的问题更清楚地说明你想要实现什么。product_的意思是一个字典，上面有键和值。是的，这就是为什么我使用in运算符和[]运算符来测试键并获取值。