python – 根据同一行的其他列中的值将函数应用于dataframe列元素？

我有一个数据帧：

df = pd.DataFrame(
    {'number': ['10', '20' , '30', '40'], 'condition': ['A', 'B', 'A', 'B']})

df = 
    number    condition
0    10         A
1    20         B
2    30         A
3    40         B

我想将一个函数应用于数字列中的每个元素,如下所示：

 df['number'] = df['number'].apply(lambda x: func(x))

但是,即使我将函数应用于数字列,我希望函数也引用条件列,即伪代码：

func(n):
    #if the value in corresponding condition column is equal to some set of values:
        # do some stuff to n using the value in condition
        # return new value for n

对于单个数字,我会写一个示例函数：

number = 10
condition = A
def func(num, condition):
    if condition == A:
        return num*3
    if condition == B:
        return num*4

func(number,condition) = 15

如何将相同的功能合并到我上面写的apply语句中？即,在对数字列中的值进行操作时,引用条件列中的值？

注意：我已经阅读了关于np.where(),pandas.loc()和pandas.index()的文档,但我无法弄清楚如何将其付诸实践.

我正在努力从函数中引用其他列的语法,因为我需要访问数字和条件列中的值.

因此,我的预期输出是：

df = 
    number    condition
0    30         A
1    80         B
2    90         A
3    160         B

更新：以上内容太模糊了.请参阅以下内容：

df1 = pd.DataFrame({'Entries':['man','guy','boy','girl'],'Conflict':['Yes','Yes','Yes','No']})


    Entries    Conflict
0    "man"    "Yes"
1    "guy"    "Yes"
2    "boy"    "Yes"
3    "girl"   "No

def funcA(d):
    d = d + 'aaa'
    return d
def funcB(d):
    d = d + 'bbb'
    return d

df1['Entries'] = np.where(df1['Conflict'] == 'Yes', funcA, funcB)

Output:
{'Conflict': ['Yes', 'Yes', 'Yes', 'Np'],
 'Entries': array(<function funcB at 0x7f4acbc5a500>, dtype=object)}

如何应用上面的np.where语句来获取注释中提到的pandas系列,并生成如下所示的所需输出：

期望的输出：

    Entries    Conflict
0    "manaaa"    "Yes"
1    "guyaaa"    "Yes"
2    "boyaaa"    "Yes"
3    "girlbbb"   "No

解决方法:

我不知道使用pandas.DataFrame.apply,但你可以定义一个特定条件：乘数键值映射(见下面的乘数),并将其传递给你的函数.然后,您可以使用列表推导来根据这些条件计算新的数字输出：

import pandas as pd
df = pd.DataFrame({'number': [10, 20 , 30, 40], 'condition': ['A', 'B', 'A', 'B']})

multiplier = {'A': 2, 'B': 4}

def func(num, condition, multiplier):
    return num * multiplier[condition]

df['new_number'] = [func(df.loc[idx, 'number'], df.loc[idx, 'condition'], 
                     multiplier) for idx in range(len(df))]

这是结果：

df
Out[24]: 
  condition  number  new_number
0         A      10          30
1         B      20          80
2         A      30          90
3         B      40         160

可能有一种矢量化的纯熊猫解决方案更“理想”.但这也适用于紧要关头.