Python 循环浏览每一行并给客户打分

我正在尝试循环我的数据框架，并在

Mbr grade

列中为公司成员添加一个等级。一个条件是基于他们花费的金额，另一个是基于他们拥有的交易数量

def MbrGrade():
    for index, row in MbrKPI.iterrows():    
        if MbrKPI['Amt']>500 & MbrKPI['Transaction No_']>10:
            MbrKPI['Mbr grade']='A'
        elif MbrKPI['Amt']>500 & MbrKPI['Transaction No_']<10:
            MbrKPI['Mbr grade']='B'
        elif MbrKPI['Amt']<500 & MbrKPI['Transaction No_']<10:
            MbrKPI['Mbr grade']='C'
    MbrGrade()

def MbrGrade（）：
对于索引，MbrKPI.iterrows（）中的行：
如果MbrKPI['Amt']>500和MbrKPI['Transaction No']>10：
MbrKPI['Mbr等级']='A'
elif MbrKPI['Amt']>500&MbrKPI['Transaction No']使用
np.where

MbrKPI = pd.DataFrame([
        [501, 11],
        [501,  9],
        [499,  9]
    ], columns=['Amt', 'Transaction No_'])

a = MbrKPI['Amt'].values
t = MbrKPI['Transaction No_'].values
MbrKPI['MbrGrade'] = np.where(a > 500, np.where(t > 10, 'A', 'B'), 'C')

MbrKPI



注意：

您没有地址
10
，所以我忽略了它。

你应该能够相应地适应。

注2:

另外，注意边缘情况
==500
和
==10
使用
np。其中

MbrKPI = pd.DataFrame([
        [501, 11],
        [501,  9],
        [499,  9]
    ], columns=['Amt', 'Transaction No_'])

a = MbrKPI['Amt'].values
t = MbrKPI['Transaction No_'].values
MbrKPI['MbrGrade'] = np.where(a > 500, np.where(t > 10, 'A', 'B'), 'C')

MbrKPI



注意：

您没有地址
10
，所以我忽略了它。

你应该能够相应地适应。

注2:

另外，注意边缘情况
==500
和
==10
我认可并警告您的状况存在差距。
np.where
方法非常紧凑且矢量化良好

然而，这可能有点难理解为什么它对刚接触熊猫的人有效。下面是一种跟踪普通Python逻辑和表单的方法。它几乎没有很好的矢量化——但除非您有非常大的数据集，否则这可能不是问题

def决定等级（行）：
金额，交易记录=第['amt']行，第['Transaction No']
如果金额>500且交易记录>10：返回“A”
如果金额>500且变速箱<10：返回“B”
如果金额<500且变速箱<10：返回“C”
返回'？？？'
MbrKPI['Grade']=MbrKPI.apply（决定等级，轴=1）

它使用一个决策函数，
decise_grade
，将决定一个等级的逻辑与索引和行创建代码分开。
axis=1
表示所应用的函数依次获取数据帧的每一行（默认值为
axis=0
，依次传递每一列）。然后，决策函数将行值“分解”为两个标量变量，以便以最简单、最清晰的方式陈述其决策逻辑

对于较大的数据集，结果如下：


无论您选择哪条路径，请注意，“行循环”如果没有错的话，也不是熊猫习语。应用决策函数，以向量形式计算新列是更新数据帧的性能更好、更惯用的方法。与传统循环相比，它们更接近数据库查询/数据操作语句。
我赞同并警告您的条件中存在的差距。
np.where
方法非常紧凑且矢量化良好

然而，这可能有点难理解为什么它对刚接触熊猫的人有效。下面是一种跟踪普通Python逻辑和表单的方法。它几乎没有很好的矢量化——但除非您有非常大的数据集，否则这可能不是问题

def决定等级（行）：
金额，交易记录=第['amt']行，第['Transaction No']
如果金额>500且交易记录>10：返回“A”
如果金额>500且变速箱<10：返回“B”
如果金额<500且变速箱<10：返回“C”
返回'？？？'
MbrKPI['Grade']=MbrKPI.apply（决定等级，轴=1）

它使用一个决策函数，
decise_grade
，将决定一个等级的逻辑与索引和行创建代码分开。
axis=1
表示所应用的函数依次获取数据帧的每一行（默认值为
axis=0
，依次传递每一列）。然后，决策函数将行值“分解”为两个标量变量，以便以最简单、最清晰的方式陈述其决策逻辑

对于较大的数据集，结果如下：


无论您选择哪条路径，请注意，“行循环”如果没有错的话，也不是熊猫习语。应用决策函数，以向量形式计算新列是更新数据帧的性能更好、更惯用的方法。与传统循环相比，它们更接近数据库查询/数据操作语句。
谢谢！帮助我更好地理解函数的用法谢谢！帮助我更好地理解函数的使用