Python 将函数应用于dataframe以根据其他列/单元格扫描列/单元格中的列表

扫描

pandas

数据帧中的行时遇到问题。我在数据帧中有一些固定的输入数据（列是

Time

、

ID

和

frames

）。现在我试着从中得到一些结果。使用每个时间戳，我得到一个或多个LIN ID，使用每个LIN ID，我得到一个LIN帧，其中包含8个数据字节作为字符串。此数据字符串表示来自某些传感器的原始值

现在我想扫描每一行，找到LIN ID及其对应的LIN帧，计算原始传感器值，并将该值作为新列存储在

pandas

dataframe中。我的问题是，我在每一行得到一个ID列表和一个LIN帧列表。我的问题是：如何从单元格中的这些列表中获得正确的值？是否可以使用

apply

或有更简单的方法

我希望我对它的描述足够好，因为我是这个论坛的新手，也是一个

python

初学者。有人能看一下下面的源代码并告诉我正确的方法吗

以下是预期输出的图片：

从binascii导入不精确
将numpy作为np导入
作为pd进口熊猫
导入系统
def getVal（数据，btn）：
'''
首先计算浮点值LSB的2字节十六进制数据
'''
尝试：
mydata=bytearray（不精确（数据））
b=（btn-1）*2
#交换字节顺序
val=（mydata[b+1]我将演示如何将数据拆分为与按钮对应的列。我修改了输入数据，以便能够在屏幕中很好地匹配它：

import pandas as pd

names = ["B_{}".format(x) for x in range(16)]
df1 = pd.DataFrame(data={'Time': [0, 0.007, 0.014, 0.021, 0.028, 0.035, 0.042, 0.049, 0.056, 0.063],
                    'ID': [['11', '12', '14'], ['12'], ['13'], ['14'], [], [], ['11'], ['12'], ['13'], ['14']],
                    'frames': [['2518', 'B31A', 'AD18'], ['07D0'], ['0BB8'], ['0FA0'], [], [], ['3318'], ['3318'], ['3318'], ['3318']]})

df_new = pd.DataFrame(df1, columns=['Time'] + names)
for index, row in df1.iterrows():
    # copying whatever data you already have in the old dataframe
    df_new.loc[index] = row
    # for every button ID set value in corresponding column
    for ID, value in zip(row['ID'], row['frames']):
        df_new.loc[index, names[int(ID)]] = value

df1

df_新建（仅显示非空列）

在
df_new.loc[index，names[int（ID）]=value
步骤中，您可以将
getVal
应用到
value
中，我相信这将产生您需要的结果。
您的问题很难理解，您能改进一下吗？1）提供示例输入和期望的输出2）解释“正确的输入数据，但不起作用”和“有效，但……数据不正确”——什么是“正确”的定义？你们认为“不起作用”是什么“.没有这些，你就很难得到帮助嗨，布莱克，谢谢你的回答。1） 正确的输入数据是数据帧df1的格式。列ID的每个单元格都有没有、一个或多个元素的列表。每个元素在柱框架中都有一个对应的框架。如果运行该示例，我会得到以下错误：值错误：数组条件必须与self的形状相同。第二个dataframe在列ID的每个单元格中只有一个元素。有了这些输入数据，我几乎得到了预期的输出数据。非常感谢正确的方法。它起作用了。我将getVal应用于值4次，因为每个值有4个按钮，并更改名称的索引器。to:对于范围（4）中的i:df_new.loc[index，names[（int（ID）-11）*4+i]]=getVal（value，i+1）顺便问一下，是否有机会提高速度，因为在正常情况下，我必须扫描多达20个文件，每个文件超过800行？@Thomas做了一个小小的更改-在创建新数据帧时，我使用原始数据帧来设置索引。这样熊猫就不需要在每次迭代时扩展数据帧，这应该会加快速度。也许有更好的办法，但我想不起来。你对时间有多敏感？如果您打算每天运行一次，那么即使是5分钟的处理时间也不会太糟糕。但是如果你每分钟运行一次，那么你肯定要比这更快：设置索引就是解决方案。在迭代行之前，我插入df=pd.concat（[df，pd.DataFrame（columns=names）]）来创建列。因此代码运行速度足够快。这与其说是一件时间紧迫的事情，不如说是一种安慰。非常感谢你的帮助。
import pandas as pd

names = ["B_{}".format(x) for x in range(16)]
df1 = pd.DataFrame(data={'Time': [0, 0.007, 0.014, 0.021, 0.028, 0.035, 0.042, 0.049, 0.056, 0.063],
                    'ID': [['11', '12', '14'], ['12'], ['13'], ['14'], [], [], ['11'], ['12'], ['13'], ['14']],
                    'frames': [['2518', 'B31A', 'AD18'], ['07D0'], ['0BB8'], ['0FA0'], [], [], ['3318'], ['3318'], ['3318'], ['3318']]})

df_new = pd.DataFrame(df1, columns=['Time'] + names)
for index, row in df1.iterrows():
    # copying whatever data you already have in the old dataframe
    df_new.loc[index] = row
    # for every button ID set value in corresponding column
    for ID, value in zip(row['ID'], row['frames']):
        df_new.loc[index, names[int(ID)]] = value

             ID   Time              frames
0  [11, 12, 14]  0.000  [2518, B31A, AD18]
1          [12]  0.007              [07D0]
2          [13]  0.014              [0BB8]
3          [14]  0.021              [0FA0]
4            []  0.028                  []
5            []  0.035                  []
6          [11]  0.042              [3318]
7          [12]  0.049              [3318]
8          [13]  0.056              [3318]
9          [14]  0.063              [3318]

    Time  B_11  B_12  B_14  B_13
0  0.000  2518  B31A  AD18   NaN
1  0.007   NaN  07D0   NaN   NaN
2  0.014   NaN   NaN   NaN  0BB8
3  0.021   NaN   NaN  0FA0   NaN
4  0.028   NaN   NaN   NaN   NaN
5  0.035   NaN   NaN   NaN   NaN
6  0.042  3318   NaN   NaN   NaN
7  0.049   NaN  3318   NaN   NaN
8  0.056   NaN   NaN   NaN  3318
9  0.063   NaN   NaN  3318   NaN