如何为水果消费DataFrame应用含前一行数据的自定义计算函数？

数据说明 #

消费数据spend_df #

spend_df
Date        Apples      Pears      Grapes     
01/01/22      10         47          0
02/01/22      0          22          3
03/01/22      11         0           3
...

参数表parameters_df #

parameters_df
Parameter    Apples      Pears      Grapes  
alpha         132         323        56
beta          424         31         33
theta         13          244        323

目标利润表profit_df #

需应用公式 y = beta*(1 - exp(-(theta*previous + current)/alpha)) 计算每日利润（previous为前一日消费额，current为当日消费额），最终生成：

profit_df
Date         Apples        Pears       Grapes     
01/01/22      30.93         4.19        0       
02/01/22      265.63        31.00       1.72
03/01/22      33.90         30.99       32.99
...     

错误代码尝试 #

# First map parameters_df to spend_df
merged_df = input_df.merge(parameters_df, on=['Apples','Pears','Grapes'])

# Apply function to each row
profit_df = merged_df.apply(lambda x: beta(1 - exp(-(theta*x[-1] + x)/alpha))

解决方案 #

你的代码存在几个核心问题：

• 合并逻辑错误：用消费列作为merge的关联键完全不符合需求，参数表是按水果对应固定参数，不需要和消费表合并。
• 缺少前一日数据：公式依赖前一日消费额，未对数据做滞后处理。
• 变量引用无效：直接用beta/theta/alpha这些变量名，Python无法识别对应参数值。
• 语法不完整：lambda表达式未闭合括号，且未导入exp函数。

修正后的代码 #

import numpy as np
import pandas as pd

# 假设spend_df和parameters_df已加载完成
# 1. 转置参数表，方便按水果提取参数
params = parameters_df.set_index('Parameter').T

# 2. 生成前一日消费数据，第一日无历史数据，用0填充
spend_with_prev = spend_df.copy()
for fruit in ['Apples', 'Pears', 'Grapes']:
    spend_with_prev[f'{fruit}_prev'] = spend_with_prev[fruit].shift(1).fillna(0)

# 3. 定义利润计算函数
def calc_profit(row, fruit):
    alpha = params.loc[fruit, 'alpha']
    beta = params.loc[fruit, 'beta']
    theta = params.loc[fruit, 'theta']
    current = row[fruit]
    previous = row[f'{fruit}_prev']
    # 当日和前一日都为0时利润为0
    if current == 0 and previous == 0:
        return 0.0
    return beta * (1 - np.exp(-(theta * previous + current) / alpha))

# 4. 计算每种水果的利润并格式化
profit_df = spend_df[['Date']].copy()
for fruit in ['Apples', 'Pears', 'Grapes']:
    profit_df[fruit] = spend_with_prev.apply(lambda r: calc_profit(r, fruit), axis=1)
    profit_df[fruit] = profit_df[fruit].round(2)

print(profit_df)

代码说明 #

• 转置参数表后，可直接通过水果名称提取对应的alpha/beta/theta值。
• 用shift(1)获取前一日消费数据，第一日的滞后值用0填充，匹配示例中的计算逻辑。
• 单独定义计算函数，避免lambda表达式过于复杂，可读性更强。
• 对结果保留两位小数，和目标表格式一致。

内容的提问来源于stack exchange，提问作者star_it8293