在多个列上组合多个规则，以获得行为不符合预期的复合结果
在多个列上组合多个规则，以获得行为不符合预期的复合结果
提问于 2021-07-28 00:44:53
我有一个如下的数据帧：
PayeeId transactionId createdAt Amount Max_90D
100AA 60a23a1 2021-07-24 15:02:25.428000+05:30 5000 12000
100AA 60a23b1d 2021-07-24 20:37:04.351000+05:30 6650 12000
100AA 60b4b69 2021-07-24 15:02:25.428000+05:30 3334 12000
100AA 6098eb81 2021-07-24 23:30:25.428000+05:30 1000 12000我正在尝试检查以下条件：
1. If any of the transaction amount ('Amount') is less than 5000, then df['Rule_No'] = 0
2. If condition 1 is not satisfied (as is this case) then
2.a - Check which transaction time ('createdAt') is greater than 23:00 hrs and less than 08:00 hrs. If spotted then df['Rule_No'] = 6
2.b - If 2.a not satisfied find out if any transaction amount is > 1.5 times of Max_90D.
2.c - If yes then df['Rule_No'] = 6 else df['Rule_No'] = 0因此，从本质上讲，生成的数据帧将如下所示：
PayeeId transactionId createdAt Amount Max_90D Rule_No
100AA 60a23a1 2021-07-24 15:02:25.428000+05:30 5000 12000 0
100AA 60a23b1d 2021-07-24 20:37:04.351000+05:30 6650 12000 0
100AA 60b4b69 2021-07-24 15:02:25.428000+05:30 3334 12000 0
100AA 6098eb81 2021-07-24 23:30:25.428000+05:30 1000 12000 6为了实现这一点，我使用了以下方法：
if df['Amount'].any() < 50:
df['Rule_No'] = 0
else:
df['Rule_No'] = np.where((df['createdAt'].dt.strftime('%H:%M')<'08:00')|\
(df['createdAt'].dt.strftime('%H:%M')>'23:00')\
|(df['Amount'] > 1.5 * df['90D_Max']),6,0)但它的表现并不像预期的那样。取而代之的是，对于所有4行，我得到了列Rule_No为0的原始数据帧df。换句话说，它不仅仅进入else块。
回答 1
Stack Overflow用户
发布于 2021-07-28 04:12:56
if df['Amount'].any() < 0:
df['Rule_No'] = 0
else:
if df['createdAt'].dt.strftime('%H:%M').any() < '08:00':
df['Rule_No'] = 6
else:
res_df = df
res_df['condition'] = df.apply(lambda x: 1 if x['Amount'] >= 1.5 * x['Max_90D'] else 0)
if res_df['condition'].any() == 1:
df['Rule_No'] = 6
else:
df['Rule_No'] = 0最后一个答案很抱歉，我希望这个答案能对你有所帮助;)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68548863
复制相关文章
相似问题
腾讯云开发者
