Python 如何使用apply（）方法从dataframe返回包含dataframe元素列表的新列？

在使用apply（）方法时，有一个操作有点违反直觉。我花了几个小时的阅读来解决这个问题，就在这里

这就是我想要实现的目标

我有一个熊猫数据框，如下所示：

test = pd.DataFrame({'one': [[2],['test']], 'two': [[5],[10]]})
      one   two
0     [2]   [5]
1  [test]  [10]

def combine(row):
    result = row['one'] + row['two']
    return pd.Series({'result': result})

我想将每行的列添加到数据帧的原始长度，以创建一个length=的结果列表，如下所示：

def combine(row):
    result = row['one'] + row['two']
    return(result)

使用apply（）方法在数据帧中运行时：

这不是我们想要的。我们想要的是：

       result
0      [2, 5]
1  [test, 10]

编辑

我知道这个例子有更简单的解决方案。但这是一个更复杂操作的抽象。下面是一个更复杂操作的示例：

df_one：

    org_id     date       status     id
0     2     2015/02/01     True      3
1     10    2015/05/01     True      27
2     10    2015/06/01     True      18
3     10    2015/04/01     False     27
4     10    2015/03/01     True      40

df_二：

    org_id      date
0     12     2015/04/01
1     10     2015/02/01
2     2      2015/08/01
3     10     2015/08/01

下面是一个更复杂的操作：

def operation(row, df_one):
    sel = (df_one.date < pd.Timestamp(row['date'])) & \
          (df_one['org_id'] == row['org_id'])
    last_changes = df_one[sel].groupby(['org_id', 'id']).last()
    id_list = last_changes[last_changes.status].reset_index().id.tolist()

    return (id_list)

如果采用更简单的解决方案，这是不可能的。因此，我建议在下面将

操作

重新写入：

def operation(row, df_one):
    sel = (df_one.date < pd.Timestamp(row['date'])) & \
          (df_one['org_id'] == row['org_id'])
    last_changes = df_one[sel].groupby(['org_id', 'id']).last()
    id_list = last_changes[last_changes.status].reset_index().id.tolist()

    return pd.Series({'id_list': id_list})

---

所以这个问题的答案在于

pandas.apply（）

方法是如何工作的

定义时

def combine(row):
    result = row['one'] + row['two']
    return(result)

函数将为传入的每一行返回一个列表。如果我们将函数与

.apply（）

方法一起使用，这是一个问题，因为它将结果列表解释为一个系列，其中每个元素都是同一行的一列

为了解决这个问题，我们需要创建一个系列，在其中指定一个新的列名，如下所示：

test = pd.DataFrame({'one': [[2],['test']], 'two': [[5],[10]]})
      one   two
0     [2]   [5]
1  [test]  [10]

def combine(row):
    result = row['one'] + row['two']
    return pd.Series({'result': result})

如果我们再运行一次：

test.apply(lambda x: combine(x), axis=1)
       result
0      [2, 5]
1  [test, 10]

---

我们会得到我们最初想要的！同样，这是因为我们强迫pandas将整个结果解释为一列。

IIUC我们可以简单地将两列相加：

In [93]: test.sum(axis=1).to_frame('result')
Out[93]:
       result
0      [2, 5]
1  [test, 10]

因为当我们对列表求和时：

In [94]: [2] + [5]
Out[94]: [2, 5]

---

它们正在连接起来…

这是真的。但我的例子是一个更复杂的操作，这在你的解决方案中是不可能的。不过，我的解决方案可能是这样的。在两个数据帧中，日期列的类型是什么？例如，字符串、时间戳等。最后一行不应该是

[18,27,40]

？或

[27,18,40]

，因为

df_one

中的第1行似乎满足标准，并位于第2行之前。是的！你完全正确。抢手货谢谢

In [94]: [2] + [5]
Out[94]: [2, 5]