Python 如何在原地和单个实例中更新dataframe的多列
考虑下面的Python 如何在原地和单个实例中更新dataframe的多列,python,pandas,numpy,dataframe,Python,Pandas,Numpy,Dataframe,考虑下面的pandasDataFrame df = pd.DataFrame(np.random.randint(1,10,15).reshape(-1,3), columns = list('abc')) 我想在单个实例中将所有三列的值更新为适当的比率(即列值除以所有三列的总和,轴=1) 比如: df = df.loc[:,['a','b','c']] / df.loc[:,['a','b','c']].sum(axis = 1) 如何实现这一点?您可以使用以下方法: 要按行划分,请相应
pandas
DataFrame
df = pd.DataFrame(np.random.randint(1,10,15).reshape(-1,3), columns = list('abc'))
我想在单个实例中将所有三列的值更新为适当的比率(即列值除以所有三列的总和,轴=1)
比如:
df = df.loc[:,['a','b','c']] / df.loc[:,['a','b','c']].sum(axis = 1)
如何实现这一点?您可以使用以下方法:
要按行划分,请相应地指定轴:
df1 = df.div(df.sum(axis = 1), axis = 0)
下面是一个测试,测试结果数据帧的行和为1
df1.sum(axis = 1)
#0 1.0
#1 1.0
#2 1.0
#3 1.0
#4 1.0
#dtype: float64
您可以使用以下方法:
要按行划分,请相应地指定轴:
df1 = df.div(df.sum(axis = 1), axis = 0)
下面是一个测试,测试结果数据帧的行和为1
df1.sum(axis = 1)
#0 1.0
#1 1.0
#2 1.0
#3 1.0
#4 1.0
#dtype: float64
如果轴设置为1(水平),则无法执行此操作。但是,如果轴设置为0(垂直),则此操作有效。在这种情况下,我必须转换df。类似于:df.T.div(df.T.sum())。T检查更新,您需要在两个函数中相应地指定轴。如果轴设置为1(水平),则无法执行此操作。但是,如果轴设置为0(垂直),则此操作有效。在这种情况下,我必须转换df。类似于:df.T.div(df.T.sum()).T检查更新,需要在两个函数中相应地指定axis。