Python 将函数应用于所有列，并使用新名称添加新列

我确实有一个数据帧

df

，有几个列，如下所示：

       col1      col2
0  0.627521  0.026832
1  0.470450  0.319736
2  0.015760  0.484664
3  0.645810  0.733688
4  0.850554  0.506945

我想对这些列中的每一列应用一个函数，并将结果添加为附加列（类似于），其中名称是原始名称加上所有添加列的通用后缀

我尝试了以下（高度简化的案例）：

这让我

       col1      col2      col1      col2
0  0.627521  0.026832  0.627521  0.026832
1  0.470450  0.319736  1.470450  1.319736
2  0.015760  0.484664  2.015760  2.484664
3  0.645810  0.733688  3.645810  3.733688
4  0.850554  0.506945  4.850554  4.506945

计算是正确的，但列名是错误的

我期望的输出是

       col1      col2  col1_change  col2_change
0  0.627521  0.026832  0.627521  0.026832
1  0.470450  0.319736  1.470450  1.319736
2  0.015760  0.484664  2.015760  2.484664
3  0.645810  0.733688  3.645810  3.733688
4  0.850554  0.506945  4.850554  4.506945

如果我这么做的话

do_and_rename(df['col1'], df.index)

我明白了

用正确的名字。如何使用这些返回的名称作为列标题？

对于我来说：

new_df = pd.concat([df] + [do_and_rename(df[x], df.index) for x in df], axis=1)
print (new_df)
       col1      col2  col1_change  col2_change
0  0.364028  0.694481     0.364028     0.694481
1  0.457195  0.813740     1.457195     1.813740
2  0.286694  0.133999     2.286694     2.133999
3  0.130283  0.398216     3.130283     3.398216
4  0.694586  0.936815     4.694586     4.936815

对于我的工作：

new_df = pd.concat([df] + [do_and_rename(df[x], df.index) for x in df], axis=1)
print (new_df)
       col1      col2  col1_change  col2_change
0  0.364028  0.694481     0.364028     0.694481
1  0.457195  0.813740     1.457195     1.813740
2  0.286694  0.133999     2.286694     2.133999
3  0.130283  0.398216     3.130283     3.398216
4  0.694586  0.936815     4.694586     4.936815

---

如果不想创建新的数据帧，可以执行以下操作：

for col in df:
    df[col + '_change'] = df[col] + df.index

---

如果不想创建新的数据帧，可以执行以下操作：

for col in df:
    df[col + '_change'] = df[col] + df.index

---

您可以使用

df.join（您的函数（df，args…，）。添加后缀（“更改”））

pattern。其中，

your_func

返回修改后的

dataframe

In [1459]: def your_func(df, s):
      ...:     dff = df.add(s, axis=0)
      ...:     return dff
      ...:

In [1460]: df.join(your_func(df, df.index.values).add_suffix('_change'))
Out[1460]:
       col1      col2  col1_change  col2_change
0  0.627521  0.026832     0.627521     0.026832
1  0.470450  0.319736     1.470450     1.319736
2  0.015760  0.484664     2.015760     2.484664
3  0.645810  0.733688     3.645810     3.733688
4  0.850554  0.506945     4.850554     4.506945

In [1461]: df
Out[1461]:
       col1      col2
0  0.627521  0.026832
1  0.470450  0.319736
2  0.015760  0.484664
3  0.645810  0.733688
4  0.850554  0.506945

---

您可以使用

df.join（您的函数（df，args…，）。添加后缀（“更改”））

pattern。其中，

your_func

返回修改后的

dataframe

In [1459]: def your_func(df, s):
      ...:     dff = df.add(s, axis=0)
      ...:     return dff
      ...:

In [1460]: df.join(your_func(df, df.index.values).add_suffix('_change'))
Out[1460]:
       col1      col2  col1_change  col2_change
0  0.627521  0.026832     0.627521     0.026832
1  0.470450  0.319736     1.470450     1.319736
2  0.015760  0.484664     2.015760     2.484664
3  0.645810  0.733688     3.645810     3.733688
4  0.850554  0.506945     4.850554     4.506945

In [1461]: df
Out[1461]:
       col1      col2
0  0.627521  0.026832
1  0.470450  0.319736
2  0.015760  0.484664
3  0.645810  0.733688
4  0.850554  0.506945

---

@Zero：当然，添加了它。理想情况下，为什么不使用

df.join（df.add（df.index.values，axis=0）。添加后缀（“\u change”）

？@Zero：这总是问题所在，示例很少。在我的实际情况中，我不想仅仅做一个加法，而是应用一个更复杂的函数；如果它运行良好，我们会很乐意向上投票：）@Zero:当然，添加了它。理想情况下，为什么不使用

df.join（df.add（df.index.values，axis=0）。添加后缀（“\u change”）

？@Zero:这总是一个问题，只有很少的例子。在我的实际情况中，我不想仅仅做一个加法，而是应用一个更复杂的函数；如果效果好的话，我会很乐意投票给你：）真的很好用concat真的很好用concat