Python lambda函数语法，用于按数据帧转换数据

这应该是一个非常简单的问题来回答。我有两行代码。第一个有效。第二个给出了以下错误：

SyntaxError: invalid syntax

下面是两行代码。第一行（工作正常）对off0_on1==1的行进行计数。第二个函数尝试计算off0_on1==0的行数

a1['on1'] = a1.groupby('del_month')['off0_on1'].transform(sum)
a1['off0'] = a1.groupby('del_month')['off0_on1'].transform(lambda x: 1 if x == 0)

以下是熊猫数据框：

a1 = pd.DataFrame({'del_month':[1,1,1,1,2,2,2,2], 'off0_on1':[0,0,1,1,0,1,1,1]})

有没有修改上面第二行代码的建议

编辑： 其中两个答案建议使用map函数，该函数生成以下输出。“on1”列对我来说是正确的；“off0”列不正确。对于第一个“Delu月”，“off0”列的结果应与“on1”列的结果相同。第二个“德鲁月”的“off0”列应为全一（即1、1、1、1）

下面是我使用以下映射函数时发生的情况（请参见下图）：

编辑2 不确定这是否澄清了问题，但最终我希望pandas能够轻松完成以下SQL代码所做的工作：

select
    del_month
    , sum(case when off0_on1 = 1 then 1 else 0 end) as on1
    , sum(case when off0_on1 = 0 then 1 else 0 end) as off0
from a1
group by del_month
order by del_month

编辑3

---

这包含了我需要的答案。谢谢大家

定义

if

语句（简写方式）时，还需要定义

else

lambda x: 1 if x == 0 else 0 # For example.

编辑：

在您的第一个lambda中，它实际上是一个系列，所以您需要循环它（以map为例）

---

如果x==0，则代码：

lambda x:1

不是有效的表达式。如果x==0，则尝试类似于

lambda x:1的方法，否则为0

见下文：

>>> example = lambda x: 1 if x == 0 else 0
>>> example(0)
1
>>> example(1)
0

---

前面的答案通过在末尾添加“else 0”很快修复了lambda函数错误。我的最终问题得到了以下代码的回答：

a1['off0'] = a1.groupby('del_month')['off0_on1'].transform(lambda x: sum(x==0)) 

---

如果x==0，则λx:1，否则为0

。有关更一般的详细信息，请参见a1['off0']=a1.groupby（'del_month'）['off0_on1']）。转换（如果x==0，则为lambda x:1，否则为0）会给出以下错误：value错误：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。有什么建议吗？谢谢我不确定

groupby

与本专栏有什么关联？为什么不能在未分组的DF上使用

np.where（）

？我在这方面向您提出挑战的原因是

lambda x:1如果x==0，那么0

将作为Python

for

循环运行，即速度非常慢-不会比基本Python快，并且您有数百万条记录

numpy.where（）

将快几个数量级。您应该真正检查以确保您使用

groupby

并为第二个操作传递

lambda

对输出至关重要；我不确定。如果这张照片不是你想要的，那我也不确定。但是看看你说的不正确的输出是如何完全独立于组的；我对这个问题的理解和其他回答者一样，完全不需要分组就可以实现。我尝试了以下方法：a1['off0']=a1.groupby（'del_month'）['off0_on1'].transform（lambda x:1如果x==0，则x=0，否则0），但得到了以下错误：ValueError：序列的真值是不明确的。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。有什么建议吗？谢谢@Sean_Calgary，为您的问题添加了一个编辑部分。我在问题中添加了一张图片，以显示map（）建议产生的结果是可用的，但并不完全符合我的需要。再次感谢。也许我应该接受其中一个答案（因为他们解决了我最初的lambda语法问题），然后问第二个问题，关于如何对if进行分组然后求和，就像SQL“sum（case when…）”一样，这是我真正想做的。map（）函数与简单的a1['off0']=numpy.where（a1.off0_on1==0，1，0）相同，但要复杂得多。我需要对结果进行分组，并按月进行汇总/计数；否则，我只使用numpy.where（）。我尝试了以下方法：a1['off0']=a1.groupby（'del_month'）['off0_on1'].transform（lambda x:1如果x==0，则为0，否则为0），但得到了以下错误：ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。有什么建议吗？谢谢我相信你真的想绘制这个系列。当您要将行中的元素与0进行比较时，您的lambda正在将行与0进行比较。我会尝试

a1['off0']=a1.groupby（'del_month'）['off0_on1'].transform（lambda series:map（lambda elem:1如果x==0，则为0，则为0，series））

。我编辑了我的问题并添加了一张图片。map函数不是我想要的。最终，我可以使用它，但我希望我的“off0”列与我的“on1”列类似。也许我应该接受其中一个答案（因为它们解决了我最初的lambda语法问题），然后问第二个问题，关于如何分组，然后求和if，就像SQL“sum（case-when…”，这是我真正想要做的。map（）函数与简单的a1['off0']=numpy.where（a1.off0_on1==0,1,0）相同，但要复杂得多。我需要对结果进行分组，并按月进行汇总/计数；否则我就使用numpy.where（）。

>>> example = lambda x: 1 if x == 0 else 0
>>> example(0)
1
>>> example(1)
0

a1['off0'] = a1.groupby('del_month')['off0_on1'].transform(lambda x: sum(x==0))