Python 熊猫适用，但仅适用于满足条件的行

我想使用Pandas

df.apply

，但仅适用于某些行

举个例子，我想做这样的事情，但我的实际问题有点复杂：

import pandas as pd
import math
z = pd.DataFrame({'a':[4.0,5.0,6.0,7.0,8.0],'b':[6.0,0,5.0,0,1.0]})
z.where(z['b'] != 0, z['a'] / z['b'].apply(lambda l: math.log(l)), 0)

---

在本例中，我想要的是每行“a”中的值除以“b”中值的日志，对于“b”为0的行，我只想返回0。

您可以在lambda函数中使用if语句

z['c'] = z.apply(lambda row: 0 if row['b'] in (0,1) else row['a'] / math.log(row['b']), axis=1)

我还排除了1，因为log（1）是零

输出：

   a  b         c
0  4  6  2.232443
1  5  0  0.000000
2  6  5  3.728010
3  7  0  0.000000
4  8  1  0.000000

---

如果输入值为0，可以使用带条件的lambda返回0，并跳过整个

where

子句：

z['c'] = z.apply(lambda x: math.log(x.b) if x.b > 0 else 0, axis=1)

---

您还必须将结果分配到一个新列（

z['c']

）。

其他答案非常好，但我想我应该添加一种在某些情况下更快的方法-使用广播和掩蔽来实现相同的结果：

import numpy as np

mask = (z['b'] != 0)
z_valid = z[mask]

z['c'] = 0
z.loc[mask, 'c'] = z_valid['a'] / np.log(z_valid['b'])

---

特别是对于非常大的数据帧，这种方法通常比基于

apply（）

的解决方案要快，希望这能有所帮助。它简单易读

df['c']=df['b'].apply(lambda x: 0 if x ==0 else math.log(x))

---

我知道我在这里比赛迟到了，但为什么需要指定axis=1？它不是在语法中指定的吗？为什么axis=1而不是0？@Windstorm1981请参见“axis”：因此，此遮罩遮住了您不想要的值。在这种情况下，您正在“选择”那些不是零的

z

值。对吗？这是一个只选择非零值的布尔掩码。您可以在此处阅读更多内容：