隐函数到类

Question

这是我的输入和输出示例：

df=pd.DataFrame({'A_flag': [1, 1,1], 'B_flag': [1, 1,0],'C_flag': [0, 1,0],'A_value': [5, 3,7], 'B_value': [2, 7,4],'C_value': [4, 2,5]})

df1=pd.DataFrame({'A_flag': [1, 1,1], 'B_flag': [1, 1,0],'C_flag': [0, 1,0],'A_value': [5, 3,7], 'B_value': [2, 7,4],'C_value': [4, 2,5], 'Value':[3.5,3,7], 'Name':['A_B','A_B_C','A']})

我想要生成另一个列，称为' value‘，条件是A_flag、B_flag和C_flag，如果其相应的标志是1，则返回值的平均值。’Name‘只显示哪个标志等于1。

这里是我的功能，它们可以工作，我想用类来达到这个目的：

def A_value(row):
    
    
    flags = [(row['A_flag'], row['A_value']), (row['B_flag'], row['B_value']), (row['C_flag'], row['C_value'])]
    
    met_condition = [row[1] for row in flags if row[0] == 1]
    
    return sum(met_condition) / len(met_condition)



def A_name(row):

    row=row[["A_flag", "B_flag", "C_flag"]]
    
    met_condition = list(row[row.eq(1)].index)

    if len(met_condition)==3:
        return "A_B_C"
    elif len(met_condition)==2:
        return met_condition[0]+'_'+ met_condition[1]
    return met_condition[0]



def df_with_A_related_info(df):
    
    df['Total']=df.apply(lambda x: A_value(x),axis=1)
    df['Name']=df.apply(lambda x: A_name(x),axis=1)
    
    return df

函数'A_name‘和'A_value’是df的行操作，然后函数'df_with_A_related_info‘只是向现有df添加一个相关变量(名称和值)。

我是新的班级和OPP，并试图把它转化为课堂。不知道如何实现此函数，但在类中。

class A:
    
    def __init__(self,df):
        self.df=df

    
    def value(self):
        
        flags = [(self.df['A_flag'], self.df['A_value']), 
                 (self.df['B_flag'], self.df['B_value']), 
                 (self.df['C_flag'], self.df['C_value'])]

        met_condition = [row[1] for row in flags if row[0] == 1]
    
        return sum(met_condition) / len(met_condition)



    def name(self):

        row=self.df[["A_flag", "B_flag", "C_flag"]]
    
        met_condition = list(row[row.eq(1)].index)

        if len(met_condition)==3:
            return "A_B_C"
        elif len(met_condition)==2:
            return met_condition[0]+'_'+ met_condition[1]
        return met_condition[0]

我如何使用类和实现与我原来的功能相同的目的？最初，我为行操作生成名称和值函数，并使用lambda函数调用它们来生成我的df所需的两个变量。我试过：

df['name']=df.apply(lambda row : A(row).name())
df['value']=df.apply(lambda row : A(row).value())

它只是给了我那个东西。

Answer 1

不要在self.df方法中重新分配name。在原始函数中，row是一个局部变量，因此分配它在函数之外没有任何影响。但是self.df是A实例的一个永久属性，因此您正在更改将来调用中将使用的对象。

您可以使用与原始函数相同的局部变量row。

    def name(self):

        row=self.df[["A_flag", "B_flag", "C_flag"]]
    
        met_condition = list(row[row.eq(1)].index)

        if len(met_condition)==3:
            return "A_B_C"
        elif len(met_condition)==2:
            return met_condition[0]+'_'+ met_condition[1]
        return met_condition[0]