Python 什么是有效的使用方法；套用；数据帧列子集上的方法？

我有一个数据帧，我想跨行应用“apply”方法，但我只需要在列的子集上（比如说，60%）这样做。我想知道做这件事的有效方法是什么

我知道我可以使用set_index将其余不需要的列隐藏到索引中，然后将其重置回来，但我很好奇是否有更有效的方法来实现这一点

我当然可以做到：

df_new=df[[x1,x2,...xn]].apply(function, axis=0)

但问题是它会丢失其余的列（和索引），因此很难将其恢复到预期的输出，即仅对特定数量的选定列应用“apply”的原始帧。

---

有什么想法/建议吗？

您可以将结果分配给df的相同子集：

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5, 4))
print(df)
          0         1         2         3
0  1.764052  0.400157  0.978738  2.240893
1  1.867558 -0.977278  0.950088 -0.151357
2 -0.103219  0.410599  0.144044  1.454274
3  0.761038  0.121675  0.443863  0.333674
4  1.494079 -0.205158  0.313068 -0.854096

df[[1, 2]] = df[[1, 2]].apply(lambda x: 100 + x)
print(df)

          0           1           2         3
0  1.764052  100.400157  100.978738  2.240893
1  1.867558   99.022722  100.950088 -0.151357
2 -0.103219  100.410599  100.144044  1.454274
3  0.761038  100.121675  100.443863  0.333674
4  1.494079   99.794842  100.313068 -0.854096

如果要保留原始数据帧，请制作副本

---

如果您有混合的数据类型，这可能不起作用。

此方法是什么？您可以使用百分比来计算df，然后屏蔽df并应用您的函数，但理想情况下，您只需在df的该部分调用矢量化函数。请使用更多详细信息、原始输入数据、代码和所需输出更新您的问题