Python 访问“中的不同列”；套用；在数据帧中

我正在寻找在行上“迭代”的正确方法，或者——比方说——不用迭代就可以做同样的事情，因为我知道迭代不是处理数据帧中数据进行计算的推荐方法，例如在pandas文档和中解释的。更确切地说，让我解释一下我的问题

我有一个包含起始值、结束值和步骤数的数据框，例如

df_test=pd.DataFrame（{“start”：[-2.0，-1.0，-5.0]，
“结束”：[3.0,1.0，-1.0]，
“n”：[6,3,9]
})

从这个数据帧中，我想为现有的数据帧创建一个新列，该数据帧包含由上述起点和终点以及点数描述的连接的linspace。现有数据帧具有匹配的形状。我目前的方法是使用列表理解，然后将数组连接到单个数组，然后添加列。因此：

linspacePts=np.concatenate（[np.linspace（s，e，n）表示zip中的s，e，n（df_测试[“开始”]、df_测试[“结束”]、df_测试[“n”]））
df_其他[“林点”]=林点

但我的第一个想法是以某种方式使用。但是我不知道如何告诉

np.linspace

哪个列对应于函数的哪个参数。至少，我找到了一个解决办法，但我希望有一个更好的解决方案，通过列表和numpy数组实现所需的迂回

---

谢谢你的帮助

使用dataframe的apply方法，并使用

[]

语法为所需的列编制索引

import numpy as npd
import pandas as pd

df_test = pd.DataFrame({"start": [-2.0, -1.0, -5.0 ],
                        "end": [3.0, 1.0, -1.0],
                        "n": [6, 3, 9]
                       })
df_test.apply(lambda row: np.linspace(row["start"], row["end"], row["n"].astype(int)), axis=1)

如果您不熟悉

lambda

函数，则以下内容相同，但更详细

def create_linspace(row):
    # row is a pd.Series
    return np.linspace(row["start"], row["end"], row["n"].astype(int))

df_test.apply(create_linspace, axis=1)

请注意，您需要将

n

的值强制转换为整数类型，因为

np.linspace

将引发异常

---

然后，您可以将结果与

np.concatenate

连接起来。我不确定您计划如何将此阵列添加到数据帧。数据帧通常是矩形的，这意味着不能有长度不等的行。因为您的

n

值不同，所以将有不同的长度数组。

嘿，jakub，谢谢！我也在寻找一个关于lambda函数的正确答案。但是我没有意识到我可以通过这种方式访问一行的条目。那正是我要找的！关于如何将其添加到数据帧，它是另一个具有

np.sum（df_test[“n”]）

行的数据帧。所以尺寸确实合适。在这里，在给定的示例中，我将第二个数据帧表示为

df_other

。