使用 apply() 两次创建新列会导致新列被覆盖

Question

我已经编写了一些与这个玩具示例等效的 Pandas 代码：

df_test = pd.DataFrame({'product': [0, 0, 1, 1], 'sold_for': [5000, 4500, 10000, 8000]})

def product0_makes_profit(row, product0_cost):

    return row['sold_for'] > product0_cost

def product1_makes_profit(row, product1_cost):

    return row['sold_for'] > product1_cost

df_test['made_profit'] = df_test[df_test['product']==0].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")

df_test['made_profit'] = df_test[df_test['product']==1].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")

df_test

我得到以下结果：

    product sold_for    made_profit

0   0       5000        NaN

1   0       4500        NaN

2   1       10000       True

3   1       8000        False

我希望第 0 行和第 1 行的“made_profit”列是 True，而不是 NaN，但显然第二个 apply() 覆盖了由第一个 apply() 生成的 made_profit 列。

我怎样才能得到我期望的列？我不想在第一个 apply() 中创建一个“product0_made_profit”列，在第二个 apply() 中创建一个“product1_made_profit”列，所以我可以将这两列合并到我想要获得的一个“made_profit”列中，因为在我的实际代码中，我在产品列中有很多不同的值（意味着要应用很多不同的功能）。

Answer 1

您需要分配给具有相同条件的过滤行loc，因此如果条件为，则仅处理行True：m1 = df_test['product']==0m2 = df_test['product']==1df_test.loc[m1, 'made_profit'] = df_test[m1].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")df_test.loc[m2, 'made_profit'] = df_test[m2].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")print (df_test)   product  sold_for  made_profit0        0      5000         True1        0      4500         True2        1     10000         True3        1      8000        False编辑：如果返回多个值，function需要Series通过新列名返回索引，还需要创建新列，填充一些默认值（例如NaN）之前loc：cols = ['made_profit', 'profit_amount']def product0_makes_profit(row, product0_cost):    return pd.Series([row['sold_for'] > product0_cost, row['sold_for'] - product0_cost], index=cols)def product1_makes_profit(row, product1_cost):    return pd.Series([row['sold_for'] > product1_cost, row['sold_for'] - product1_cost], index=cols)for c in cols:    df_test[c] = np.nanis_prod0 = (df_test['product']==0)df_test.loc[is_prod0, cols] = df_test[is_prod0].apply(product0_makes_profit, args=[4000], axis=1, result_type="expand")is_prod1 = (df_test['product']==1)df_test.loc[is_prod1, cols] = df_test[is_prod1].apply(product1_makes_profit, args=[9000], axis=1, result_type="expand")print(df_test)   product  sold_for  made_profit  profit_amount0        0      5000         True         1000.01        0      4500         True          500.02        1     10000         True         1000.03        1      8000        False        -1000.0