Python 如何将函数应用于数据帧中的每个元素？

这可能是一个非常基本的问题，但我在其他问题中找不到答案。我有两个用于创建2D数据帧的列表，比如：

X=np.arange（0,2.01,0.25）
Y=np.arange（10,30,5.0）
df=pd.DataFrame（索引=X，列=Y）
打印（df）

其中：

10.0 15.0 20.0 25.0
0.00楠楠
0.25楠楠
0.50楠楠
0.75楠楠
1.00楠楠楠
1.25楠楠
1.50楠楠
1.75楠楠
2:00楠楠

我希望遍历数据帧中的所有元素，并使用

X

和

Y

的值作为我编写的某个函数

foo

的输入。例如，在第2rd行中，第一列（使用零索引）的位置我有

（X，Y）=（0.5，15.0）

，因此在这个位置我想应用

foo（0.5，15.0）

，而不是

foo（2，1）

---

我想我应该能够以某种方式使用

df.apply（）

或

df.applymap（）

，但我想不出来

这就是我的方法：

from itertools import product

def foo(row, col):
    return row * col

for row, col in product(df.index, df.columns):
    df.loc[row, col] = foo(row, col)

输出：

      10.0   15.0 20.0   25.0
0.00     0      0    0      0
0.25   2.5   3.75    5   6.25
0.50     5    7.5   10   12.5
0.75   7.5  11.25   15  18.75
1.00    10     15   20     25
1.25  12.5  18.75   25  31.25
1.50    15   22.5   30   37.5
1.75  17.5  26.25   35  43.75
2.00    20     30   40     50

---

由于您的问题需要访问

df

的索引和列标签，您可能需要

df.apply（）

df.apply（）；而
df.applymap（）
在运行时使用
df
的每个单独值，因此您不必根据需要访问索引和列名

示例

将numpy导入为np
作为pd进口熊猫
def foo（名称、索引）：
返回名称-索引
x=np.arange（0,2.01,0.25）
y=np.arange（10,30,5.0）
df=pd.DataFrame（索引=x，列=y）
df.apply（lambda x:foo（x.name，x.index））

输出

       10.0   15.0   20.0   25.0
0.00  10.00  15.00  20.00  25.00
0.25   9.75  14.75  19.75  24.75
0.50   9.50  14.50  19.50  24.50
0.75   9.25  14.25  19.25  24.25
1.00   9.00  14.00  19.00  24.00
1.25   8.75  13.75  18.75  23.75
1.50   8.50  13.50  18.50  23.50
1.75   8.25  13.25  18.25  23.25
2.00   8.00  13.00  18.00  23.00

在上述示例中，构成
df
的每个系列的列名和索引通过
df.apply（）
传递给
foo（）
。在
foo（）
中，每个值都是通过从自己的列名值中减去自己的索引值来定义的。在这里，您可以看到，在
df.apply（）
内的调用中，使用
x.index
访问每行的索引值，使用
x.name
访问列值

更新

非常感谢@SyntaxError指出
x.index
和
x.name
可以传递给
df.apply（）
中的
foo（）
，而不是将整个序列（
x
）输入函数并手动访问其中的值。如前所述，这似乎比我最初的回答更符合OP的用例——基本相同，但将每个
x
系列传递到
foo（）
中，然后由
x.name
和
x.column
负责提取
x.name
答案很棒！要使用任意的
foo
函数实现这一点，可以使用
df.apply（lambda x:foo（x.name，x.index））
谢谢！非常有帮助的回答JPI93，然后SyntaxError您抢占了我的跟进question@SyntaxError精彩的一点，非常感谢你指出这一点：）我更新了我的答案，以反映这一点，因为它是如此干净；更广泛适用，可翻译等也是一个很好的答案，谢谢
       10.0   15.0   20.0   25.0
0.00  10.00  15.00  20.00  25.00
0.25   9.75  14.75  19.75  24.75
0.50   9.50  14.50  19.50  24.50
0.75   9.25  14.25  19.25  24.25
1.00   9.00  14.00  19.00  24.00
1.25   8.75  13.75  18.75  23.75
1.50   8.50  13.50  18.50  23.50
1.75   8.25  13.25  18.25  23.25
2.00   8.00  13.00  18.00  23.00