如何在大熊猫中应用配方

Question

我试图在列中应用公式，但无法应用。

我有数据资料：

Date                  2018-04-16 00:00:00
Quantity                         8317.000
Total Value (Lacs)              259962.50

我想在Total Value (Lacs)列中应用一个公式

公式是:使用熊猫的= [ Total Value (Lacs) multiplied by 100000 ] divided by [Quantity (000’s) multiplied by 100]

我试过一些东西

a = df['Total Value (Lacs)']
b = df['Quantity']

c = (a * 100000 / b * 100)
print (c)

or 

df['Price'] = ((df['Total Value (Lacs)']) * 100000 / (df['Quantity']) * 100)
print (df)

错误：

TypeError:不支持/的操作数类型：'str‘和'str’

编辑

我尝试了以下代码：

df['Price'] = float((float(df['Total Value (Lacs)'])) * 100000 / float((df['Quantity'])) * 100)    

但是得到了错误的价值

price     312567632.6

期待

price     31256.76326

Answer 1

编辑1类型错误意味着您尝试将运算符/应用于两个字符串。在python中没有为str类型定义这样的操作符，因此您应该将数据转换为某种数值类型，在您的示例中为float。

我不太明白你的数据是什么样子。但如果是这样的话

df
Out:
Date                   Quantity    Total Value (Lacs) 
2018-04-16 00:00:00    8317.000             259962.50  
2018-04-17 00:00:00    7823.000             234004.50                                

可以将其转换为数字类型，将所有列转换为正确的类型(我假设Date列是索引列)：

df_float = df.apply(pd.to_numeric)
df_float.dtypes()
Out: 
Quantity              float64
Total Value (Lacs)      int64
dtype: object

毕竟，您可以只处理列：

df['Price'] =  (df_float['Total Value (Lacs)'] * 100000 
                / df_float['Quantity'] * 100)
df['Price']
Out: 
2018-04-16 00:00:00    319930.7592441217
2018-04-17 00:00:00    334309.8102814262

另一种方法是定义函数并使用pd.DataFrame.apply将其应用于每一行。

def get_price(row):
    try:
        price = (float(row['Total Value (Lacs)']) * 100000 
                 / float(row['Quantity']) * 100)
    except (TypeError, ValueError):  # If bad data in this row, can't convert to float
        price = None
    return price

df['Price'] =  df.apply(get_price, axis=1)
df['Price']
Out: 
2018-04-16 00:00:00    319930.7592441217
2018-04-17 00:00:00    334309.8102814262

axis=1的意思是“对每一行都很好”

如果您已经转换了数据--就像在您的示例中一样，您应该转换它，或者使用axis=0将函数应用于每一列。

Eidt 2：看起来您的数据只是单列，并且有dtype pd.Series。因此，如果您选择一个带有data['Quantity']的行，您将得到类似于8317.000类型的str。当然，没有pd.Series.apply方法。因此，在这种情况下，你可以这样做：

index_to_convert = ['Quantity', 'Total Value (Lacs)']
data[index_to_convert] = pd.to_numeric(data[index_to_convert])

• 并且只有数字列被转换。只要按公式做： 数据‘Price’=(数据‘总值(Lacs)’* 100000 / data' Quantity‘* 100)数据输出日期: 2018-04-16 00:00:00数量8317总价值(Lacs) 259962价格3.12568e+08

但是在大多数情况下，这个解决方案并不方便，我强烈建议将数据转换为DataFrame并处理它，因为DataFrame提供了更多的灵活性和с能力。С反转过程：

df = data.to_frame().T.set_index('Date')

有三个连续的行动：

1. 将数据转换为DataFrame
2. 将其转接到(现在的列实际上是垂直的)
3. 将"Date"设置为索引列

结果：

df 
Out: 
                    Quantity Total Value (Lacs)
Date                                           
2018-04-16 00:00:00  8317.00          259962.50

在前面的步骤之后，您可以将编辑1代码应用于数据。而且，它也适用于您的数据中有多个系列。

One：如果您的数据对每个索引有多个值，即多个数量ets：

data
Out: 
Date                  2018-04-16 00:00:00
Quantity                          8317.00
Total Value (Lacs)              259962.50
Date                  2018-04-17 00:00:00
Quantity                          6434.00
Total Value (Lacs)              230002.50

你也可以逐步地把它转换成pd.DataFrame .将数据按索引项分组，并将list应用于组：

data.groupby(level=0).apply(list)
Out: 
Date                  [2018-04-16 00:00:00, 2018-04-17 00:00:00]
Quantity                                      [8317.00, 6434.00]
Total Value (Lacs)                        [259962.50, 230002.50]

然后将pd.Series应用于每一行：

data.groupby(level=0).apply(list).apply(pd.Series)
Out:                                  0                    1
Date                2018-04-16 00:00:00  2018-04-17 00:00:00
Quantity                        8317.00              6434.00
Total Value (Lacs)            259962.50            230002.50

Transpose返回DataFrame，将'Date‘列设置为索引：

series.groupby(level=0).apply(list).apply(pd.Series).T.set_index('Date')
Out:
                    Quantity Total Value (Lacs)
Date                                           
2018-04-16 00:00:00  8317.00          259962.50
2018-04-17 00:00:00  6434.00          230002.50

应用编辑1的解决方案。希望能帮上忙！

Answer 2

您将得到此错误，因为从dataframe提取的数据是字符串，如您的错误中所示，您需要将该字符串转换为浮点数。

将数据转换为值而不是字符串。你可以通过以下方式实现这一目标：

values = df.values

然后，您可以从这个数组中提取值。

或者，从dataframe提取数据后，使用以下方法将其转换为浮动：

b=float(df['Quantity'])

Answer 3

用这个：

df['price'] = ((df['Total Value (Lacs)'].apply(pd.to_numeric)) * 100000 / (df['Quantity'].apply(pd.to_numeric)) * 100)