Python-如果满足条件，则应用公式

我试图更改数据帧中的值，如果该值以某物开头。 我正在检查前四个值是否为0.00 如果它以0.00开始，我想把这个值乘以100 下面的公式给出了这个错误

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), 
a.item(), a.any() or a.all().

我的公式是

Total['Rate']=Total['Rate'].apply(lambda x: Total['Rate']*100 if \ 
Total['Rate'].str[:4]=='0.00' else Total['Rate'])

改用这个：

Total['Rate']=Total['Rate'].mask(Total['Rate'].str.startswith('0.00'), Total['Rate']*100)

---

不需要转换为字符串，最好将值乘以

整数

，并与

0

进行比较：

Total = pd.DataFrame(data=[0.001,0.2,5,0.0002],columns=['Rate'])

s = Total['Rate'] * 100
Total['Rate'] = np.where(s.astype(int) == 0, s, Total['Rate'])
print (Total)
   Rate
0  0.10
1  0.20
2  5.00
3  0.02

详细信息：

print (s)
0      0.10
1     20.00
2    500.00
3      0.02
Name: Rate, dtype: float64

print (s.astype(int))
0      0
1     20
2    500
3      0
Name: Rate, dtype: int32

print (s.astype(int) == 0)
0     True
1    False
2    False
3     True
Name: Rate, dtype: bool

Total = pd.DataFrame(data=[0.001,0.2,5,0.0002],columns=['Rate'])
Total = pd.concat([Total] * 10000, ignore_index=True)


In [296]: %%timeit
     ...: s = Total['Rate'] * 100
     ...: Total['Rate'] = np.where(s.round() == 0, s, Total['Rate'])
     ...: 
2.09 ms ± 119 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [297]: %%timeit
     ...: Total['Rate'] = Total['Rate'].apply(lambda x: x*100 if str(x)[:4]=='0.00' else x, 1)
     ...: 
26.2 ms ± 1.11 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

性能：

print (s)
0      0.10
1     20.00
2    500.00
3      0.02
Name: Rate, dtype: float64

print (s.astype(int))
0      0
1     20
2    500
3      0
Name: Rate, dtype: int32

print (s.astype(int) == 0)
0     True
1    False
2    False
3     True
Name: Rate, dtype: bool

Total = pd.DataFrame(data=[0.001,0.2,5,0.0002],columns=['Rate'])
Total = pd.concat([Total] * 10000, ignore_index=True)


In [296]: %%timeit
     ...: s = Total['Rate'] * 100
     ...: Total['Rate'] = np.where(s.round() == 0, s, Total['Rate'])
     ...: 
2.09 ms ± 119 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [297]: %%timeit
     ...: Total['Rate'] = Total['Rate'].apply(lambda x: x*100 if str(x)[:4]=='0.00' else x, 1)
     ...: 
26.2 ms ± 1.11 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

编辑：如果要将值设置为多个遮罩，例如将负值设置为

0

使用：

Total=pd.DataFrame（数据=[0.001,0.2,5,0.0002，-10]，列=['Rate']）
s=总[‘费率’]*100
mask1=s.astype（int）==0
mask2=总[“速率”]<0
总计['Rate']=np。选择（[mask1，mask2]，[s，0]，默认值=总计['Rate']）
打印（总计）
比率
0  0.10
1  0.20
2  5.00
3  0.02
4  0.00

您非常接近，问题是在lambda函数中，您试图将整列相乘，而不仅仅是值

如下图所示，将这些更改为x，您就得到了它

Total['Rate'] = Total['Rate'].apply(lambda x: x*100 if str(x)[:4]=='0.00' else x, 1)

---

希望这有帮助

你能为你的问题增加一个答案吗？标记

dataframe

-您的意思是

pandas.dataframe

？如果是-相应地用

pandas

标记，那么通过转换为字符串来比较数字的前4个值的原因是什么？我认为这是一个坏主意，因为好的性能只适用于数字。在我看来，解决方案是可行的，但使用像字符串这样的数字有点奇怪，特别是如果它比较慢的话。所以不推荐您的解决方案。@IMiller-在我的答案中添加了多个掩码的解决方案。