使用 lamda 函数进行 python pandas 数据验证

Question

我创建了一个 pandas 数据框，我的逻辑是如果“a”列的值为 yes，“b”列的值为 0，则生成 1,15 之间的随机数。我正在尝试使用下面的 lamda 函数，但我似乎遇到了错误

df = pd.DataFrame({'a': ['Yes', 'No', 'Yes','Yes'], 'b': [1, 0, 0,0]})
print(df)
df['b'].apply(lambda x: random.randint(1,15) if x.a == 'Yes' and x ==0  else x)

Input 
     a  b
0  Yes  1
1   No  0
2  Yes  0
3  Yes  0


My expectation is 

     a  b
0  Yes  1
1   No  0
2  Yes  12
3  Yes  5

Answer 1

您遇到的错误是因为在 lambda 函数中，

x

代表

'b'

列中的每个元素，它是一个整数。由于

x

是一个整数，因此它没有属性“a”。当您尝试访问

x.a

时，Python 会引发

AttributeError

，因为整数没有像 DataFrame 行那样的属性。

要解决此问题，您需要访问每行的

'a'

和

'b'

两列。有几种方法可以做到这一点：

1) 在 DataFrame 上跨行使用

apply()

（axis=1）： 将函数应用于 DataFrame 的每一行，允许您访问多列。

df['b'] = df.apply(
    lambda row: random.randint(1, 15) if row['a'] == 'Yes' and row['b'] == 0 else row['b'],
    axis=1
)

2）使用布尔索引： 为满足条件的行创建布尔掩码并直接分配随机数。

import numpy as np

mask = (df['a'] == 'Yes') & (df['b'] == 0)
df.loc[mask, 'b'] = np.random.randint(1, 16, size=mask.sum())

3）使用where()方法：

df['b'] = df['b'].where(~((df['a'] == 'Yes') & (df['b'] == 0)), other=np.random.randint(1, 16, size=len(df)))

我现在给你一个完整的例子。我认为这会很有用，我在论坛上过去的搜索中也发现了类似的结果。

import pandas as pd
import random
import numpy as np

df = pd.DataFrame({'a': ['Yes', 'No', 'Yes', 'Yes'], 'b': [1, 0, 0, 0]})
print("Original DataFrame:")
print(df)

# Method 1: Using apply() on the DataFrame
df['b'] = df.apply(
    lambda row: random.randint(1, 15) if row['a'] == 'Yes' and row['b'] == 0 else row['b'],
    axis=1
)
print("\nDataFrame after applying random numbers with apply():")
print(df)

df = pd.DataFrame({'a': ['Yes', 'No', 'Yes', 'Yes'], 'b': [1, 0, 0, 0]})

# Method 2: Using Boolean indexing
mask = (df['a'] == 'Yes') & (df['b'] == 0)
df.loc[mask, 'b'] = np.random.randint(1, 16, size=mask.sum())
print("\nDataFrame after applying random numbers with Boolean indexing:")
print(df)

Answer 2

使用 np.where

import numpy as np
cond = df['a'].eq('Yes') & df['b'].eq(0)
df['b'] = np.where(cond, np.random.randint(1, 16, len(df)), df['b'])

df：

     a   b
0  Yes   1
1   No   0
2  Yes  12
3  Yes  14