如何在lambda中执行多个值的操作？

我有以下数据框：如何在lambda中执行多个值的操作？

In: df 

             AAPL    IBM 
2016-04-27 00:00:00+00:00   98.113    NaN 
2016-04-28 00:00:00+00:00   97.288    NaN 
2016-04-29 00:00:00+00:00   94.147   145.932 
2016-05-02 00:00:00+00:00   93.511   145.595 
2016-05-03 00:00:00+00:00   95.161   143.515 
2016-05-04 00:00:00+00:00   95.320   143.614 
2016-05-05 00:00:00+00:00   94.070   145.892 
2016-05-06 00:00:00+00:00   93.450   147.970 
2016-05-09 00:00:00+00:00   93.770   148.200 
2016-05-10 00:00:00+00:00   93.570   150.040

我回到2个最大值从另一个数据框（bar），这些都是：

In: max_values = bar.max() 
In: max_values 
Out: AAPL 111.710 
    IBM 151.676

我想要得到的值，列名，如果可能的话它的索引这些特定值的结果值在0.04和0.08之间。并将它们存储在新的数据框中。我试过这个：

foo = df.apply((lambda s:(0.04 <=(1 - s.max()/max_values) <= 0.08)==True))

但是由于max_values包含两个值而出现错误。

ValueError: ('The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().', 'occurred at index AAPL')

如何在每个值max_values在lambda进行操作？

我想要的输出是这样的：

In: foo 
Out: AAPL 93.511 
    IBM 145.892 
#this means 93.511 and 145.892 are the values, upon which performing percentage operation, 
returned value which was between 0.04 and 0.08.

来源

2017-08-11 ArJuN

你可能想'abs（1 - s.max（）/ max_values）'，不是？否则它不是对称的 – Jacquot

元素方面的条件表达式是有点棘手与系列。你必须把它们放在括号内并逐一添加它们。
我很惊讶这个解决方案有多短;告诉我它是否符合你的需求。

ratios = abs(1 - df/max_values) 
mask = (0.04 <= ratios) & (ratios <= 0.08) 
solution = df[mask.all(axis=1)]

df/max_values是一个除法逐列和逐元素：的df["AAPL"]每个元素由max_values["AAPL"]，同样为"IBM"划分。

mask如果条件为真，则显示每个值。

solution仅选择行中所有值的条件为true的行。

来源

2017-08-11 16:53:36 Jacquot

对于Python来说是新的，你能否详细说明一下，并且表达输出如何使用你的解决方案？我只是想按照我的问题所解释的输出，即使没有lambda表达式，您也可以自由地进行任何操作。 – ArJuN

最好的将是你尝试的代码，并看看每个步骤是什么'比率'，'掩码'，和'解决方案':) 我会更详细解释，但'解决方案'应该是你想，如果你想要条件验证的行为两列 – Jacquot

当然我会检查，但看到解决方案的大小感到惊讶:)并想知道解决方案是完整的还是你想要更多关于我的解释问题，如果可以随意问。 – ArJuN

如何在lambda中执行多个值的操作？

回答

相关问题