Python 是否基于同一行的其他列中的值将函数应用于dataframe列元素?
我有一个数据帧:Python 是否基于同一行的其他列中的值将函数应用于dataframe列元素?,python,pandas,numpy,Python,Pandas,Numpy,我有一个数据帧: df = pd.DataFrame( {'number': ['10', '20' , '30', '40'], 'condition': ['A', 'B', 'A', 'B']}) df = number condition 0 10 A 1 20 B 2 30 A 3 40 B 我想对数字列中的每个元素应用一个函数,如下所示: df['number'] =
df = pd.DataFrame(
{'number': ['10', '20' , '30', '40'], 'condition': ['A', 'B', 'A', 'B']})
df =
number condition
0 10 A
1 20 B
2 30 A
3 40 B
我想对数字列中的每个元素应用一个函数,如下所示:
df['number'] = df['number'].apply(lambda x: func(x))
但是,即使我将函数应用于数字列,我希望函数也引用条件
列,即伪代码:
func(n):
#if the value in corresponding condition column is equal to some set of values:
# do some stuff to n using the value in condition
# return new value for n
对于单个数字,我将编写一个示例函数:
number = 10
condition = A
def func(num, condition):
if condition == A:
return num*3
if condition == B:
return num*4
func(number,condition) = 15
如何将相同的函数合并到上面编写的apply
语句中?i、 e.参考条件列中的值,同时作用于数字列中的值
注意:我已经阅读了np.where()
、pandas.loc()
和pandas.index()
上的文档,但我不知道如何将其付诸实践
我正在努力使用从函数中引用另一列的语法,因为我需要访问number
和condition
列中的值
因此,我的预期产出是:
df =
number condition
0 30 A
1 80 B
2 90 A
3 160 B
更新:上述内容过于模糊。请参见以下内容:
df1 = pd.DataFrame({'Entries':['man','guy','boy','girl'],'Conflict':['Yes','Yes','Yes','No']})
Entries Conflict
0 "man" "Yes"
1 "guy" "Yes"
2 "boy" "Yes"
3 "girl" "No
def funcA(d):
d = d + 'aaa'
return d
def funcB(d):
d = d + 'bbb'
return d
df1['Entries'] = np.where(df1['Conflict'] == 'Yes', funcA, funcB)
Output:
{'Conflict': ['Yes', 'Yes', 'Yes', 'Np'],
'Entries': array(<function funcB at 0x7f4acbc5a500>, dtype=object)}
我不知道如何使用
pandas.DataFrame.apply
,但是您可以定义一个特定的条件:乘数
键值映射(见下面的乘数
),并将其传递到您的函数中。然后,您可以使用列表理解来根据这些条件计算新的编号
输出:
import pandas as pd
df = pd.DataFrame({'number': [10, 20 , 30, 40], 'condition': ['A', 'B', 'A', 'B']})
multiplier = {'A': 2, 'B': 4}
def func(num, condition, multiplier):
return num * multiplier[condition]
df['new_number'] = [func(df.loc[idx, 'number'], df.loc[idx, 'condition'],
multiplier) for idx in range(len(df))]
结果如下:
df
Out[24]:
condition number new_number
0 A 10 30
1 B 20 80
2 A 30 90
3 B 40 160
可能有一种更“理想”的矢量化纯pandas解决方案。但这在紧要关头也能起作用。由于问题是关于将apply函数应用于同一行的数据帧列,因此将pandas
apply
函数与lambda
结合使用似乎更准确:
import pandas as pd
df = pd.DataFrame({'number': [10, 20 , 30, 40], 'condition': ['A', 'B', 'A', 'B']})
def func(number,condition):
multiplier = {'A': 2, 'B': 4}
return number * multiplier[condition]
df['new_number'] = df.apply(lambda x: func(x['number'], x['condition']), axis=1)
在本例中,lambda
获取数据帧df的“number”和“condition”列,并使用apply
将同一行的这些列应用于函数func
这将返回以下结果:
df
Out[10]:
condition number new_number
0 A 10 20
1 B 20 80
2 A 30 60
3 B 40 160
df
Out[12]:
Conflict Entries
0 Yes manaaa
1 Yes guyaaa
2 Yes boyaaa
3 No girlbbb
对于更新案例也可以使用apply
功能:
df1 = pd.DataFrame({'Entries':['man','guy','boy','girl'],'Conflict':['Yes','Yes','Yes','No']})
def funcA(d):
d = d + 'aaa'
return d
def funcB(d):
d = d + 'bbb'
return d
df1['Entries'] = df1.apply(lambda x: funcA(x['Entries']) if x['Conflict'] == 'Yes' else funcB(x['Entries']), axis=1)
在本例中,lambda
获取数据帧df的“Entries”和“Conflict”列,并将这些列应用于与apply
相同行的funcA或funcB。将应用funcA或funcB的条件是通过lambda中的if else
子句完成的
这将返回以下结果:
df
Out[10]:
condition number new_number
0 A 10 20
1 B 20 80
2 A 30 60
3 B 40 160
df
Out[12]:
Conflict Entries
0 Yes manaaa
1 Yes guyaaa
2 Yes boyaaa
3 No girlbbb
首先,创建df的代码有错误,其次需要
df.apply(lambda行:func(行['number'],行['condition']),axis=1)
这将按行应用
以便您可以引用其他列。此外,当存在向量化方法时,不应求助于apply
。您本可以完成np.where(df['condition']='A',df['num']*3,df['num']*4)
但您的设置代码正在传递数字字符串column@EdChum道歉,检查错误。我同意-代码乱七八糟,我真的很惊讶它有一半的时间是有效的!好的,所以我可以写df['number']=np.where(df[condition']='A',functionA,functionB)
并在其他地方定义functionA
和functionB
(比如在那行上方)?您需要精心设计这些函数来接受一个序列或数据帧,并返回一个布尔数组或一个与原始df长度相同的数组,但您已经定义了它,所以我不能推测它是否不存在code@EdChumnp.其中
解决方案很好,需要检查的条件很少,但在许多情况下都需要改进。@not_a_机器人我这里的观点是OP没有完全满足他们的要求,所以对我来说这是推测,我只能用这里提供的信息来回答