Python 使用.apply（）定义要在数据帧上使用的函数

我想用包含一列或几列数据帧的签名来定义自定义函数

我试图复制“如何将Pandas‘apply’函数用于多个列？”一文中提到的解决方案，但我无法理解设置函数以接受来自其他列的数据作为输入的方式

我的代码示例：

import pandas as pd

df=pd.DataFrame({'NAME':['A','B','C','D'],'HOURS':[38, 52, 1040, 28],'ROLE':['Manager','Expert','Expert','Expert']})

def apply_rate(col1='HOURS', col2='ROLE'):
    if row[col2]=='Manager': return row[col1]*165
    else: return row[col1]*135

df['TOTAL']=df.apply(lambda row: apply_rate(row['HOURS'],row['ROLE']),axis=1)

---

我收到一条消息“KeyError:（'Manager'，'occurrentedatindex 0'）”，但我仍停留在这个阶段，不知道如何摆脱这个阻塞点

诀窍是将

lambda

一起删除。将您的函数提供给，并可能将您的附加函数参数直接提供给

apply

：

def apply_rate(row, col1, col2):
    if row[col2]=='Manager': return row[col1]*165
    else: return row[col1]*135

df['TOTAL'] = df.apply(apply_rate, axis=1, col1='HOURS', col2='ROLE')

print(df)

  NAME  HOURS     ROLE   TOTAL
0    A     38  Manager    6270
1    B     52   Expert    7020
2    C   1040   Expert  140400
3    D     28   Expert    3780

然而，行操作效率低下，不建议使用Pandas。您可以通过按列操作轻松对算法进行矢量化：

df['TOTAL'] = df['HOURS'] * np.where(df['ROLE'] == 'Manager', 165, 135)

另一种更易于扩展的版本可以使用字典映射：

factor_map = {'Manager': 165}
df['TOTAL'] = df['HOURS'] * df['ROLE'].map(factor_map).fillna(135)

---

这真是一个很好的答案。很明显，这让我走出了死胡同。毫无疑问，它是有用的（我真的很喜欢“.fillna（135）”-在本例中，我从未想过像“else”一样使用它）。所以，即使这不完全符合礼仪。。。谢谢你。