Python 对一列应用条件语句以在另一列中获得结果

我正试图写一个脚本，将增加4个月或8个月的列标题为“日期”取决于列标题为“季度调用”。例如，如果季度调用中的值为2，则在“日期”列中添加4个月，如果值为3，则添加8个月。最后，我希望在标题为“New Date”的列中显示输出

到目前为止，我能够使用这段代码添加我想要的月数：

from datetime导入日期
从dateutil.relativedelta导入relativedelta
新建日期=[]
df['Date']=df['Date'].dt.normalize（）
对于df['Date']中的值：
新增日期。追加（值+相对时间（月=+4））
df['New Date']=新日期

但是，正如我所提到的，我希望这取决于季度调用c中的值，因此我尝试编写以下代码：

df['Quarterly_Call_uuc']中的i的

类型（int）.to_list（）：
如果i==2：
对于df['Date']中的值：
新增日期。追加（值+相对时间（月=+4））
elif i==3：
对于df['Date']中的值：
新增日期。追加（值+相对时间（月=+8））

---

不幸的是，这不起作用。你能推荐一个解决方案吗？谢谢

您可以在数据帧上尝试lambda函数。例如：

将熊猫作为pd导入
数字={'set_of_numbers'：[1,2,3,4,5,6,7,8,9,10]}
df=pd.DataFrame（数字、列=['set\u of_numbers']）
df['equal_或_lower_than_4？']=df['set_of_numbers']。应用（lambda x:True），如果x您可以在数据帧上尝试lambda函数。例如：

将熊猫作为pd导入
数字={'set_of_numbers'：[1,2,3,4,5,6,7,8,9,10]}
df=pd.DataFrame（数字、列=['set\u of_numbers']）
df['equal_或_lower_than_4？']=df['set_of_numbers']。应用（lambda x:'True'，如果x对数据帧上的每一行使用lambda表达式似乎是最方便的方法：

定义日期计算（q，d）：
如果q==2：
返回d+相对LTA（月数=+4）
其他：
返回d+相对LTA（月数=+8）
df['New Date']=df.apply（λx:Date_calc（x['Quarterly_Call__c']，x['Date']），axis=1）

date_calc函数保存与您在问题中发布的逻辑相同的逻辑，同时将输入作为参数，并且DataFrame的apply方法用于计算每行的“New date”列，其中lambda表达式的变量x表示DataFrame的一行

请记住，将axis参数指定为1可以确保函数应用于数据帧的每一行而不是每一列。可以找到有关apply方法的更多信息。
对数据帧上的每一行使用lambda表达式似乎是最方便的方法：

定义日期计算（q，d）：
如果q==2：
返回d+相对LTA（月数=+4）
其他：
返回d+相对LTA（月数=+8）
df['New Date']=df.apply（λx:Date_calc（x['Quarterly_Call__c']，x['Date']），axis=1）

date_calc函数保存与您在问题中发布的逻辑相同的逻辑，同时将输入作为参数，并且DataFrame的apply方法用于计算每行的“New date”列，其中lambda表达式的变量x表示DataFrame的一行

---

请记住，指定为1的axis参数可以确保函数应用于DataFrame的每一行而不是每一列。可以找到有关apply方法的更多信息。

您可以逐行迭代访问行数据，并计算新日期

import pandas as pd
from dateutil.relativedelta import relativedelta

df = pd.DataFrame({
    'Quarterly_Call__c': [2,3,2,3], 
    'Date': ['2021-02-25', '2021-03-25', '2021-04-25', '2021-05-25']
})
df['Date'] = pd.to_datetime(df['Date'])
df['New Date'] = ''   #new empty column

for i in range(len(df)):
    if df.loc[i, 'Quarterly_Call__c'] == 2:
        df.loc[i, 'New Date'] = df.loc[i, 'Date'] + relativedelta(months=+4)
    if df.loc[i, 'Quarterly_Call__c'] == 3:
        df.loc[i, 'New Date'] = df.loc[i, 'Date'] + relativedelta(months=+8)
df['New Date'] = df['New Date'].dt.normalize()

输出

    Quarterly_Call__c   Date        New Date
0                   2   2021-02-25  2021-06-25
1                   3   2021-03-25  2021-11-25
2                   2   2021-04-25  2021-08-25
3                   3   2021-05-25  2022-01-25

---

您可以逐行迭代访问行数据，并计算新日期

import pandas as pd
from dateutil.relativedelta import relativedelta

df = pd.DataFrame({
    'Quarterly_Call__c': [2,3,2,3], 
    'Date': ['2021-02-25', '2021-03-25', '2021-04-25', '2021-05-25']
})
df['Date'] = pd.to_datetime(df['Date'])
df['New Date'] = ''   #new empty column

for i in range(len(df)):
    if df.loc[i, 'Quarterly_Call__c'] == 2:
        df.loc[i, 'New Date'] = df.loc[i, 'Date'] + relativedelta(months=+4)
    if df.loc[i, 'Quarterly_Call__c'] == 3:
        df.loc[i, 'New Date'] = df.loc[i, 'Date'] + relativedelta(months=+8)
df['New Date'] = df['New Date'].dt.normalize()

输出

    Quarterly_Call__c   Date        New Date
0                   2   2021-02-25  2021-06-25
1                   3   2021-03-25  2021-11-25
2                   2   2021-04-25  2021-08-25
3                   3   2021-05-25  2022-01-25