在pandas dataframe中使用三元运算符的apply函数，不需要分组列

Question

我该如何在pandas数据框的apply函数中使用三元运算符的lambda表达式？

首先，这段代码来自于R/plyr，这正是我想要的：

ddply(mtcars, .(cyl), summarise, sum(ifelse(carb==4,1,0))/sum(ifelse(carb %in% c(4,1),1,0)))

在上述函数中，我可以使用ifelse函数，R的三元运算符，来计算结果数据框。但是，当我想在Python/pandas中使用以下代码实现相同的功能时：

mtcars.groupby(["cyl"]).apply(lambda x: sum(1 if x["carb"] == 4 else 0) / sum(1 if x["carb"] in (4, 1) else 0))

出现以下错误：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

那么我怎么才能计算并得到与R/plyr中相同的数据框呢？

需要说明的是，如果我在不对列进行分组的情况下使用三目运算符，例如：

mtcars.apply(lambda x: sum(1 if x["carb"] == 4 else 0) / sum(1 if x["carb"] in (4, 1) else 0), axis=1)

我可以出于某些原因获得结果数据框（但这不是我想要做的）。

谢谢。

[更新]

抱歉，原始示例在使用三元运算符时并不好，因为它使用了可以用作二进制的1和0。因此，更新后的R/plyr代码如下：

ddply(mtcars, .(cyl), summarise, sum(ifelse(carb==4,6,3))/sum(ifelse(carb %in% c(4,1),8,4)))

在这种情况下使用三元运算符是否可行？

- Blaszard

Answer 1

我认为您的代码可以翻译成这样：

mtcars.groupby(["cyl"])['carb'].apply(lambda x: sum((x == 4).astype(float)) / sum(x.isin((4, 1))))

玩具例子：

>>> mtcars = pd.DataFrame({'cyl':[8,8,6,6,6,4], 'carb':[4,3,1,5,4,1]})
>>> mtcars
   carb  cyl
0     4    8
1     3    8
2     1    6
3     5    6
4     4    6
5     1    4
>>> mtcars.groupby(["cyl"])['carb'].apply(lambda x: sum((x == 4).astype(float)) / sum(x.isin((4, 1))))
cyl
4      0.0
6      0.5
8      1.0
dtype: float64

更新

在更复杂的情况下，您可以使用numpy.where()函数：

>>> import numpy as np
>>> mtcars.groupby(["cyl"])['carb'].apply(lambda x: sum(np.where(x == 4,6,3).astype(float)) / sum(np.where(x.isin((4,1)),8,4)))
cyl
4      0.375
6      0.600
8      0.750
dtype: float64

- Roman Pekar

---

你可以将(x == 4).astype(float)替换为(x == 4)*1，在我的测试中对于大型数组速度更快，但我不确定它的普适性。 - cwharland

谢谢。但我刚意识到我在原帖中的例子并不是一个好例子，因为它可以完全不考虑三元运算符而完成，因为它只使用了 1 和 0，这可以很容易地转换为 true/false 二进制数。所以我更新了原帖。抱歉。 - Blaszard

太棒了！非常感谢。 - Blaszard

Answer 2

我认为x['carb']是一个numpy数组（或其子类）。在这种情况下，x['carb'] == 4返回一个布尔数组。当值等于4时，数组中的相应位置为True，否则为False。这是numpy的一个非常方便的特性，但在这种情况下可能会令人感到烦恼（因为人们通常会期望==运算符返回一个布尔结果）。

解决方法是在结果上调用.all()：

(x['carb'] == 4).all()

只有当(x ['carb'] == 4)中的所有元素都是True时，才会返回True。

- mgilson

Answer 3

Pandas的apply()是针对行进行操作的。因此，三元运算符可以用作如下：

df.apply(lambda row: [1 if x>0 else 0 for x in row])

在 OP 的例子中：

mtcars.groupby(["cyl"])['carb'].apply(lambda r: sum([1 if x==4 else 0 for x in r])/sum([1 if x in [1,4] else 0 for x in r]))

（虽然这个例子可能需要捕获除以零的情况...）

- Skippy le Grand Gourou