Python 熊猫从dataframe中的另外两个列变量计算新列

这个问题对我来说似乎很简单，但我已经花了几天时间在它上面，到目前为止还没有发现任何东西

重申这个问题：如何在一个数据帧中计算一个新列，该列的值是一个函数的返回结果，该函数将两个其他变量作为位于同一数据帧中的参数

下面是我正在使用的数据帧的一个简化示例

ix  sat_id  datetime            signal
0   13      11/13/2015 16:33    654884
1   13      11/13/2015 16:33    654883
2   87      11/13/2015 16:33    657889
3   87      11/13/2015 16:33    558774
4   87      11/13/2015 16:33    555222
5   99      11/13/2015 16:33    444555
6   99      11/13/2015 16:33    444333

我有一个函数，返回星历高度，它接受lat/lon的全局参数，datetime的变量参数和satid的两行元素列表，简化如下

def ephem_func(datetime,tle[satid],lat,lon):
    do_ephemeris_calcs...
    return altitude

由于我的函数依赖于satid和datetime，这两者都可以在我的数据帧中找到，所以我希望这样做：

df['altitude'] = (df['datetime'], df['sat_id']).map(lambda x, y: ephem_func(x,tle[y],lat,lon))

然而，这不是一件事，无论我说多少次“python please”，它都不起作用

我还尝试使用pandas groupby解决此问题，如下所示：

grouped = df.groupby('sat_id')

for key, item in grouped:
    item['altitude'] = item['datetime'].map(lambda x: ephem_func(x,tle[key],lat,lon))

df['altitude'] = item['datetime'].map(lambda x: ephem_func(x,tle[key], lat,lon))

然而，使用这种方法，我并不认为我实际上是在将值赋回到原始数据帧。如果我修改分配的数据帧以表示原始数据，如下所示：

grouped = df.groupby('sat_id')

for key, item in grouped:
    item['altitude'] = item['datetime'].map(lambda x: ephem_func(x,tle[key],lat,lon))

df['altitude'] = item['datetime'].map(lambda x: ephem_func(x,tle[key], lat,lon))

然后，我遇到了这样一个问题：分组数据上的每个新迭代都会将新值分配回原始数据帧，但会使用nan覆盖以前迭代中的行

期望的结果：将数据帧中包含的两个变量（sat_id和datetime）传递到我的函数中，并将返回值指定为新列

index   sat_id  datetime            signal  altitude
0       13      11/13/2015 16:33    654884  45
1       13      11/13/2015 16:33    654883  65
2       87      11/13/2015 16:33    657889  -45
3       87      11/13/2015 16:33    558774  90
4       87      11/13/2015 16:33    555222  88
5       99      11/13/2015 16:33    444555  77
6       99      11/13/2015 16:33    444333  66

---

在此，我们非常感谢您的指导。谢谢

好的，所以我还没有找到一个非常类似于python或Pandas的解决方案，但我确实修改了我的全局逻辑，以使用groupby和一些严肃的数据洗牌来获得我想要的

请记住，我的简化函数的结构如下：

def ephem_func(datetime,tle[satid],lat,lon):
    do_ephemeris_calcs...
    return altitude

我有如下数据

ix  sat_id  datetime            signal
0   13      11/13/2015 16:33    654884
1   13      11/13/2015 16:33    654883
2   87      11/13/2015 16:33    657889
3   87      11/13/2015 16:33    558774
4   87      11/13/2015 16:33    555222
5   99      11/13/2015 16:33    444555
6   99      11/13/2015 16:33    444333

以下是我的解决方案：

grouped = df.groupby('sat_id')

for key,item in grouped:
    date_range = []
    ix_range = []
    date_range = item['datetime']
    ix_range = item['ix']

    for date,ix in zip(date_range,ix_range):
        satlist.append(key)
        datelist.append(date)
        ixlist.append(ix)
        alt = ephem_func(date,tle[key],lat,lon)
        altitude.append(alt)

现在我有了所有这些列表，我可以创建一个新的数据框“结果”，使用ix作为合并键将日期与原始数据框合并，以确保所有内容保持一致 结果=pandas.DataFrame（）

这对我很有用，并将计算出的高度与我开始使用的其他数据合并到一个数据帧中

如果你有更有效的方法，请回复

谢谢