1

He creado un dataframe con outers joins dandome la siguiente tabla:

introducir la descripción de la imagen aquí

Como pueden observar exceptuando customer_id las otras variables se repiten en bloque de tres. Esto lo fabrique así porque justo necesitaba crear nuevas columnas condicionadas para acl y monto de la siguiente forma:

merged_outer1['Delta_Monto'] = np.where((merged_outer1['monto_x']+merged_outer1['monto_y']+merged_outer1['monto'])>=1700, 1, 0)

merged_outer1['Delta_Acl'] = np.where((merged_outer1['acl_x']+merged_outer1['acl_y']+merged_outer1['acl'])>=9, 1, 0)

Dándome satisfactoriamente Delta_Monto y Delta_Acl:

introducir la descripción de la imagen aquí

Sin embargo lo que requiero para la columna pendiente es una condición distinta. Si en cualquier registro hay en alguna de las tres columnas pendiente un cambio de signo crear una columna llamada Delta_Pendiente con un 1 en caso contrario (es decir, si no hay cambio de signo) marcar con 0. Alguien podría orientarme de como realizar esta condicional. De antemano gracias.

1
  • Este problema con pandas, es el de aplicar una operación por vector a un dataframe basandonos en los valores de dicho vector. Debido a que no es del todo sencillo, he definido un problema genérico que responde a tu pregunta, cualquier duda, por favor pregúntame. el 21 nov. 2020 a las 15:08

1 respuesta 1

1

Lo que necesitas es utilizar el método de los DataFrames .apply() este método te permite aplicar una operación por vector, es decir por filas o por columnas y obtener un resultado combinandolo si lo combinamos con una función lambda.

Para explicarlo con un problema reproducible, voy a crearme un ejemplo de como sería con tus datos. Vamos a suponer que tenemos el siguiente problema:

Tenemos un conjunto de 100 datos con las calificaciones de matemáticas, lengua, religión, historia, y gimnasia. Tenemos que crearnos una nueva columna en la que almacenemos los alumnos que han pasado de curso, para ello es necesario que su calificación en matemáticas, lengua e historia sea mayor o igual a 5

Perfecto, primero vamos a crear un DataFrame con datos aleatorios:

import numpy as np
import pandas as pd

#Definimos una matriz (100, 5) con 100 alumnos y las 5 asignaturas
calificaciones = (np.random.random((100, 5))*10).round(2)

df_alumnos = pd.DataFrame(calificaciones, columns=["matematicas", "lengua","religion", "historia", "gimnasia"])

Ahora tenemos un dataframe de este estilo, con 100 alumnos:

introducir la descripción de la imagen aquí

¿Cómo usar apply()?

El método apply() necesita dos parámetros:

  1. func: la función que queremos aplicar por vector, en este caso es un condicional, que marque si pasamos o no de curso y devuelva uno o cero.
  2. axis: a que vectores queremos aplicarle dicha operación, en este caso, como queremos iterar por cada fila, será a los vectores fila, por lo que será axis=1 (si ponemos 0, será por columna).

Lo único que tenemos que hacer es crear una función que nos devuelva uno o cero en base a si a aprobado las asignaturas correspondientes, por lo que me creo la función pasa_de_curso():

def pasa_de_curso(matematicas, lengua, historia):
    return 1 if matematicas >= 5 and lengua >=5 and historia >=5 else 0

Ya tenemos todo lo necesario para utilizar .apply() por lo que nos creamos una nueva columna de ceros y unos basada en nuestra función:

df_alumnos["pasan_curso"] = df_alumnos.apply(lambda x: pasa_de_curso(x[0], x[1], x[3]), axis=1)

¿Por qué usamos lambda?

Como hemos dicho previamente, apply() coge todo un vector (una fila en nuestro caso) para aplicarle una operación, pero nosotros no queremos aplicarle una operación a esa fila por completo, queremos escoger ciertos elementos de la fila. Por que nuestra función pasa_de_curso() se vera envuelta en otra función (lambda).

Lo que está sucediendo es lo siguiente:

  1. apply() le entrega la primera fila a la función lambda.
  2. La función lambda contiene una función llamada pasa_de_curso() a la que lambda le entrega la fila, nosotros mediante los índices, seleccionamos aquellos valores de la fila que queremos y se le pasarán a pasa_de_curso()
  3. Se realiza la operación pasa_de_curso() y nos devuelve el resultado, que finalmente será almacenado en nuestra nueva variable.

Por último, puedes ver todo esto en la documentación oficial de Pandas

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.