6

我最近了解pandas并很高兴看到它的分析功能。我正在尝试将 Excel 数组函数转换为 Pandas 等效于我为创建性能归因报告而创建的自动化电子表格。在此示例中，我根据其他列中的条件在 Excel 中创建了一个新列：

={SUMIFS($F$10:$F$4518,$A$10:$A$4518,$C$4,$B$10:$B$4518,0,$C$10:$C$4518," ",$D$10:$D$4518,$D10,$E$10:$E$4518,$E10)}

该公式是根据特定条件对“F”数组​​（安全权重）中的值求和。“A”数组（投资组合ID）为某个数字，“B”数组（证券ID）为零，“C”数组（组描述）为“”，“D”数组（开始日期）为行的日期我所在的行，“E”数组（结束日期）是我所在行的日期。

在 Pandas 中，我使用的是 DataFrame。在具有前三个条件的数据帧上创建一个新列是直截了当的，但我在最后两个条件下遇到了困难。 

reportAggregateDF['PORT_WEIGHT'] = reportAggregateDF['SEC_WEIGHT_RATE']
          [(reportAggregateDF['PORT_ID'] == portID) &
           (reportAggregateDF['SEC_ID'] == 0) &
           (reportAggregateDF['GROUP_LIST'] == " ") & 
           (reportAggregateDF['START_DATE'] == reportAggregateDF['START_DATE'].ix[:]) & 
           (reportAggregateDF['END_DATE'] == reportAggregateDF['END_DATE'].ix[:])].sum()

显然，最后两个条件中的 .ix[:] 并没有为我做任何事情，但是有没有办法使总和以我所在的行为条件而不循环？我的目标是不做任何循环，而是使用纯向量操作。

4

2 回答 2

9

您想使用 apply 函数和 lambda：

>> df
     A    B    C    D     E
0  mitfx  0  200  300  0.25
1     gs  1  150  320  0.35
2    duk  1    5    2  0.45
3    bmo  1  145   65  0.65

假设我想对列 C 乘以 E 求和，但前提是列 B == 1 且 D 大于 5：

df['matches'] = df.apply(lambda x: x['C'] * x['E'] if x['B'] == 1 and x['D'] > 5 else 0, axis=1)
df.matches.sum()

将其分为两个步骤可能更简洁：

df_subset = df[(df.B == 1) & (df.D > 5)]
df_subset.apply(lambda x: x.C * x.E, axis=1).sum()

或简单地使用乘法来提高速度：

df_subset = df[(df.B == 1) & (df.D > 5)]
print sum(df_subset.C * df_subset.E)

你想在没有循环的情况下解决这个问题是绝对正确的。

于 2013-08-20T03:31:48.830 回答
1

我确信有更好的方法，但这是在循环中完成的：

for idx, eachRecord in reportAggregateDF.T.iteritems():
reportAggregateDF['PORT_WEIGHT'].ix[idx] = reportAggregateDF['SEC_WEIGHT_RATE'][(reportAggregateDF['PORT_ID'] == portID) &            
    (reportAggregateDF['SEC_ID'] == 0) &            
    (reportAggregateDF['GROUP_LIST'] == " ") &             
    (reportAggregateDF['START_DATE'] == reportAggregateDF['START_DATE'].ix[idx]) &             
    (reportAggregateDF['END_DATE'] == reportAggregateDF['END_DATE'].ix[idx])].sum()
于 2012-06-15T19:18:50.890 回答