Python 在多列上应用行函数

我有一个dataframe和一个函数，我想通过pandas.apply应用于多个列。目前，我正在使用for循环来实现这一点，我想用一行代码来替换它

这是我的数据帧：

d1 = {'id': [1, 1, 2], 'event': ['e', 'c', 'e'], 'var1': [1, 2, 2], 'time_difference': [0, 5, 2]}
df1 = pd.DataFrame(data=d1)
...
>> df1 
   id event  var1  time_difference
0   1     e     1                0
1   1     c     2                5
2   2     e     2                2

这是我要应用的函数：

def merge_based_on_timelimit(row):
    return row[column_of_interest] if row['time_difference'] <= 1\
        else pd.NA

目前，我正在通过for循环对所有感兴趣的列应用我的函数：

for column_of_interest in columns_of_interest:
    df1[column_of_interest] = df1.apply(merge_based_on_timelimit, axis=1)

但是，我正在寻找一种方法来跳过循环，而是将我的函数直接应用到所有感兴趣的列上。我该怎么做？ 到目前为止，我尝试了以下方法：

df1[columns_of_interest] = df1[columns_of_interest].apply(merge_based_on_timelimit, axis=1)

这将返回以下错误：

...
redcap[columns_of_interest] = redcap[columns_of_interest].apply(merge_based_on_timelimit, axis=1)
...
KeyError: 'time_difference'

---

在我看来，这里没有必要使用

应用

，使用

>1的反向掩码设置值：

df1.loc[df1['time_difference'] > 1, columns_of_interest] = pd.NA

print (df1)
   id event  var1  time_difference
0   1     e     1                0
1   1  <NA>  <NA>                5
2   2  <NA>  <NA>                2

df1.loc[df1[‘时差’]>1，感兴趣的列]=pd.NA
打印（df1）
id事件var1时间差
01 e10
1   1                    5
2   2                    2

您的解决方案可以通过以下方式实现：

def merge_based_on_timelimit(row):
    #added s to column_of_interest
    return row[columns_of_interest] if row['time_difference'] <= 1\
        else pd.NA
columns_of_interest = ['event', 'var1']

#added column time_difference to list
df1[columns_of_interest] = df1[columns_of_interest + ['time_difference']].apply(merge_based_on_timelimit, axis=1)

print (df1)
   id event  var1  time_difference
0   1     e     1                0
1   1  <NA>  <NA>                5
2   2  <NA>  <NA>                2

def merge基于时间限制（行）：
#将s添加到感兴趣的列
如果行['time\u difference'，返回行[columns\u of\u interest]，谢谢！我用了你的第一个答案，它比我做的要优雅得多。
def merge_based_on_timelimit(row):
    #added s to column_of_interest
    return row[columns_of_interest] if row['time_difference'] <= 1\
        else pd.NA
columns_of_interest = ['event', 'var1']

#added column time_difference to list
df1[columns_of_interest] = df1[columns_of_interest + ['time_difference']].apply(merge_based_on_timelimit, axis=1)

print (df1)
   id event  var1  time_difference
0   1     e     1                0
1   1  <NA>  <NA>                5
2   2  <NA>  <NA>                2