Python 熊猫：使用“应用”创建2个新列

我有一个数据集，其中col a表示值e、I、d、t中的总值的数量，这些值采用字符串格式，以“-”分隔

我想创建8个新列，4个表示（e-I-d-t）的和，4个表示乘积

例如：

def funct_两个输出（E、I、d、t、d_校准=50）：
返回E+i+d+t，E*i*d*t

输出前2个值： 和0，行0=40+0.5+30+1和1=80+0.3+32+1

和和和与积都是示例函数，它们取代了稍微复杂一点的my函数。

我编写了一个函数**expand\u on\u col**，该函数创建了一个新的列，将所有e、I、d、t值分隔成新的列：

def expand_on_col（df_，col_to_split=“namecol”，sep='-'，prefix=“this”）：
'''
传递一个df，指示要拆分的列，
返回带有带前缀的列拆分的df。
'''
df1=df_u[col_to_split].str.split（sep，expand=True）。添加_前缀（prefix）
df1=pd.concat（[df_，df1]，轴=1）。替换（np.nan，“-”）
返回df1

现在我需要创建4个新列，它们是eidt的和，4个是proct

SUM的输出示例：

   index  a              e                i            d        t  a-0  e-0  e-1  e-2  e-3  i-0  i-1  i-2  i-3  d-0  d-1  d-2  d-3  t-0  t-1  t-2  t-3  sum-0  sum-1  sum-2  sum-3
0      0  4  40-80-120-150  0.5-0.3-0.2-0.2  30-32-30-32  1-1-1-1    4   40   80  120  150  0.5  0.3  0.2  0.2   30   32   30   32    1    1    1    1     71    114    153    186
1      1  4    40-40-40-40  0.1-0.1-0.1-0.1  18-18-18-18  1-2-3-4    4   40   40   40   40  0.1  0.1  0.1  0.1   18   18   18   18    1    2    3    4     59     61     63     65
2      3  4  40-80-120-150  0.5-0.3-0.2-0.2  30-32-30-32  1-1-1-1    4   40   80  120  150  0.5  0.3  0.2  0.2   30   32   30   32    1    1    1    1     71    114    153    186
3      5  4    40-40-40-40  0.1-0.1-0.1-0.1  18-18-18-18  1-2-3-4    4   40   40   40   40  0.1  0.1  0.1  0.1   18   18   18   18    1    2    3    4     59     61     63     65

如果我用funct_one_输出（只返回sum）运行代码，它会工作，但用funct_two_输出（suma和product）我会得到一个错误

代码如下：

将熊猫作为pd导入
def expand_on_col（df_，col_to_split=“namecol”，sep='-'，prefix=“this”）：
'''
传递一个df，指示要拆分的列，
返回带有带前缀的列拆分的df。
'''
df1=df_u[col_to_split].str.split（sep，expand=True）。添加_前缀（prefix）
df1=pd.concat（[df_，df1]，轴=1）。替换（np.nan，“-”）
返回df1
def funct_两个_输出（E，I，d，t，d_calib=50）：#我要传递的函数
返回E+i+d+t，E*i*d*t
def funct_one_输出（E，I，d，t，d_calib=50）：#现在我只能使用这个，不能使用2个返回值。
返回E+i+d+t
对于列中的列：
df=expand_on_col（df_=df，col_to_split=col，sep='-'，前缀=f“{col}-”）
cols_uz=df.columns.drop（列）
df[cols\uu]=df[cols\uu]。应用（pd.to\u numeric，errors=“强制”）
df[“a”]=df[“a”]。应用（pd.to_numeric，errors=“胁迫”）
df.reset_索引（原地=真）
对于范围内的i（最大值（df[“a”]）：
name_1，name_2=f“sum-{i}”，f“mult-{i}”
df[name_1]=df.apply（lambda行：funct_one_输出（E=row[f'E-{i}]，i=row[f'i-{i}]，d=row[f'd-{i}]，t=row[f“t-{i}]，轴=1）
#如果我尝试填充2个输出，它将不起作用
df[[name_1，name_2]]=df.apply（lambda行：函数两个输出（E=row[f'E-{i}]，i=row[f'i-{i}]，d=row[f'd-{i}]，t=row[f't-{i}]，轴=1）

输出：

ValueError回溯（最近一次调用）
在（）
68 df[name_1]=df.apply（lambda行：funct_one_输出（E=row[f'E-{i}]，i=row[f'i-{i}]，d=row[f'd-{i}]，t=row[f't-{i}]，轴=1）
69#如果我尝试填充两个输出，它将不起作用
--->70 df[[name_1，name_2]]=df.apply（lambda行：函数两个输出（E=row[f'E-{i}]，i=row[f'i-{i}]，d=row[f'd-{i}]，t=row[f't-{i}]，轴=1）
71
72
2帧
/usr/local/lib/python3.7/dist-packages/pandas/core/frame.py in____设置项__（self、key、value）
3039自置项框（键、值）
3040 elif isinstance（键，（系列，np.ndarray，列表，索引））：
->3041 self.\u setitem\u数组（键、值）
3042其他：
3043#设置列
/数组中的usr/local/lib/python3.7/dist-packages/pandas/core/frame.py（self、key、value）
3074                 )[1]
3075自我检查设置项目拷贝（）
->3076 self.iloc.\u setitem\u和索引器（（片（无），索引器），值）
3077
3078定义设置项帧（自身、键、值）：
/usr/local/lib/python3.7/dist-packages/pandas/core/index.py在带有索引器（self、indexer、value）的setitem中
1751如果len（ilocs）！=len（值）：
1752升值错误(
->1753“必须具有相等的len键和值”
1754“使用iterable设置时”
1755                         )
ValueError：使用iterable设置时，必须具有相等的len键和值

不要使用

apply

如果你能帮忙的话

s = pd.to_numeric(
    df[['e', 'i', 'd', 't']]
      .stack()
      .str.split('-', expand=True)
      .stack()
)

sums = s.sum(level=[0, 2]).rename('Sum')
prods = s.prod(level=[0, 2]).rename('Prod')

sums_prods = pd.concat([sums, prods], axis=1).unstack()

sums_prods.columns = [f'{o}-{i}' for o, i in sums_prods.columns]

df.join(sums_prods)

   a              e                i            d        t  Sum-0  Sum-1  Sum-2  Sum-3  Prod-0  Prod-1  Prod-2  Prod-3
0  4  40-80-120-150  0.5-0.3-0.2-0.2  30-32-30-32  1-1-1-1   71.5  113.3  151.2  183.2   600.0   768.0   720.0   960.0
1  4    40-40-40-40  0.1-0.1-0.1-0.1  18-18-18-18  1-2-3-4   59.1   60.1   61.1   62.1    72.0   144.0   216.0   288.0
3  4  40-80-120-150  0.5-0.3-0.2-0.2  30-32-30-32  1-1-1-1   71.5  113.3  151.2  183.2   600.0   768.0   720.0   960.0
5  4    40-40-40-40  0.1-0.1-0.1-0.1  18-18-18-18  1-2-3-4   59.1   60.1   61.1   62.1    72.0   144.0   216.0   288.0

---

布里里安，谢谢！非常清楚而且有用。我接受得有点太早了，在我的现实世界示例中，我不仅仅做求和或乘积，而是有一个函数，它将（E，I，d，t）作为输入并返回一个值，我使用了produc，sum，就像exmaple一样。如何修改您的代码，以便将函数传递给它，而不是调用“sum”或“prod”？

s = pd.to_numeric(
    df[['e', 'i', 'd', 't']]
      .stack()
      .str.split('-', expand=True)
      .stack()
)

sums = s.sum(level=[0, 2]).rename('Sum')
prods = s.prod(level=[0, 2]).rename('Prod')

sums_prods = pd.concat([sums, prods], axis=1).unstack()

sums_prods.columns = [f'{o}-{i}' for o, i in sums_prods.columns]

df.join(sums_prods)

   a              e                i            d        t  Sum-0  Sum-1  Sum-2  Sum-3  Prod-0  Prod-1  Prod-2  Prod-3
0  4  40-80-120-150  0.5-0.3-0.2-0.2  30-32-30-32  1-1-1-1   71.5  113.3  151.2  183.2   600.0   768.0   720.0   960.0
1  4    40-40-40-40  0.1-0.1-0.1-0.1  18-18-18-18  1-2-3-4   59.1   60.1   61.1   62.1    72.0   144.0   216.0   288.0
3  4  40-80-120-150  0.5-0.3-0.2-0.2  30-32-30-32  1-1-1-1   71.5  113.3  151.2  183.2   600.0   768.0   720.0   960.0
5  4    40-40-40-40  0.1-0.1-0.1-0.1  18-18-18-18  1-2-3-4   59.1   60.1   61.1   62.1    72.0   144.0   216.0   288.0