Python 熊猫：通过“应用”功能；A栏“；，同时阅读；B栏“；

我正在使用

Pandas

来驱动

Python

函数。在

inputs.csv

中，我使用

“列A”

中的每一行作为函数的输入

在

csv

中，还有一个

的“B列”

，其中包含我想读入函数中变量

x

的值。不应从

“B列”

“A列”中应用

——这仍然应该从
“A列”
中执行。这可能吗


这是应用A列功能的当前代码：


编辑后：此问题已被确定为可能重复的问题。虽然答案可能相同，但问题却不一样。对于未来的读者来说，两列上的
apply
与一列上的
apply
以及同时“阅读”另一列的互换性可能并不明显。因此，问题应该是开放的。
是的，您当前正在使用，而您可以使用-，with
axis=1
获取函数中的每一行，然后您可以作为-
行[]
访问列

范例-

In [37]: df
Out[37]:
   X  Y  Count
0  0  1      2
1  0  1      2
2  1  1      2
3  1  0      1
4  1  1      2
5  0  0      1

In [38]: def func1(r):
   ....:     print(r['X'])
   ....:     print(r['Y'])
   ....:     return r
   ....:

In [39]: df.apply(func1,axis=1)
0
1
0
1
1
1
1
0
1
1
0
0
Out[39]:
   X  Y  Count
0  0  1      2
1  0  1      2
2  1  1      2
3  1  0      1
4  1  1      2
5  0  0      1

这只是一个非常简单的示例，您可以根据实际需要修改它。
传递给的
axis=1
参数将整行作为一个元组参数放入

但是，这比使用单个列应用要慢得多。如果性能是一个问题，我建议不要这样做

def scrape(x):
    a, b = x
    # Magically create c, d, e from a
    print(b)
    return pd.Series([c, d, e])

df[["Column C", "Column D", "Column E"]] = df[(['Column A', 'Column B'])].apply(scrape, axis=1)

我不确定你的问题是否正确，但也许你想要的只是
df[（['Column A'，'Column B']）。apply（scrape，axis=1）
，这意味着你的函数仍然只有一个参数
scrape
，但这个参数是
列A
和
列B
的值的元组。谢谢你的回答。我不需要以任何方式组合列–
列A
仍然保留参数的关键字。我只需要读取
列B
并将其传递给变量。如果我通过
axis=1
运行参数，我如何从元组中为
def函数（A）
选择
列A
？在
def函数（A）内部：
您只需要有这样一行：
col_A，col_b=A
更准确地回答。您想在哪里“创建x”？它应该在数据帧中结束，还是仅仅在函数中结束？x应该是一个系列还是一个变量？谢谢你的回复！我不确定我是否理解正确，我可能不清楚-
a
和
b
不相同，也不应该合并。我想做的是使用
a
作为函数的参数，就像在我的原始代码中一样
b
只应作为
x=b
传递给
x
。因此，如果我运行
def function（a）
，如何在该函数中包含
b
？@Winterflags更新了我的答案谢谢您的帮助！我在您的解决方案中遇到了一个奇怪的JSON错误，
不是JSON可序列化的
。我相信它会工作，但我无法解决它。谢谢你的回复，它现在工作了！我唯一的问题是，它会在进入下一行之前读取最上面的行2次。这样就没有重复了。你知道为什么吗（如果它与
DataFrame.apply（）
vs
Series.apply（）
。不，它与
Series.apply没有任何关系。apply
vs
DataFrame.apply
。你确定DataFrame本身顶部没有两次相同的行吗？检查我的示例，它没有两次读取第一行（只是第一行和第二行是相同的）。若要交叉检查，请尝试打印该行的
索引
，以查看它是否实际上是同一行。我检查了索引，结果是正确的。问题一定在于我如何将参数传递给函数。（我没有使用文字示例）。谢谢！
def scrape(x):
    a, b = x
    # Magically create c, d, e from a
    print(b)
    return pd.Series([c, d, e])

df[["Column C", "Column D", "Column E"]] = df[(['Column A', 'Column B'])].apply(scrape, axis=1)