Python 如何在多个列上同时使用apply函数

是否可以在pandas中的多个列上调用apply函数，如果可以，如何执行此操作。。比如说,

 df['Duration'] = df['Hours', 'Mins', 'Secs'].apply(lambda x,y,z: timedelta(hours=x, minutes=y, seconds=z))

---

谢谢。

使用

在数据帧上应用
轴=1

三角形=[{'base'：20，'height'：9}，{'base'：10，'height'：7}，{'base'：40，'height'：4}]

triangles\u df=pd.DataFrame（三角形）

def计算_面积（行）：
返回行['base']*行['height']*0.5

三角形应用（计算面积，轴=1）

祝你好运
 这可能会有帮助

import pandas as pd
import datetime as DT
df = pd.DataFrame({"Hours": [1], "Mins": [2], "Secs": [10]})
df = df.astype(int)

df['Duration'] = df[['Hours', 'Mins', 'Secs']].apply(lambda x: DT.timedelta(hours=x[0], minutes=x[1], seconds=x[2]), axis=1)

print(df)
print(df["Duration"])

输出：

   Hours  Mins  Secs  Duration
0      1     2    10  01:02:10

0   01:02:10
dtype: timedelta64[ns]

您应该使用：

df['Duration'] = pd.to_timedelta(df.Hours*3600 + df.Mins*60 + df.Secs, unit='s')

当您对
数据帧
和
axis=1
使用apply时，这是一个行计算，因此通常这种语法是有意义的：

df['Duration'] = df.apply(lambda row: pd.Timedelta(hours=row.Hours, minutes=row.Mins, 
    seconds=row.Secs), axis=1)

一些时间安排

import pandas as pd
import numpy as np
df = pd.DataFrame({'Hours': np.tile([1,2,3,4],50),
                  'Mins':  np.tile([10,20,30,40],50),
                  'Secs': np.tile([11,21,31,41],50)})

%timeit pd.to_timedelta(df.Hours*3600 + df.Mins*60 + df.Secs, unit='s')
#432 µs ± 5.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit df.apply(lambda row: pd.Timedelta(hours=row.Hours, minutes=row.Mins, seconds=row.Secs), axis=1)
#12 ms ± 67.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

像往常一样，应用应该是最后的手段。
这当然很有帮助，但我遇到了以下错误：（“索引超出范围”，“发生在索引0”）嗨，我尝试了您的解决方案，但一直遇到此错误：（）出现意外的关键字参数“axis”@空白您需要确保实际使用的是
数据帧上的
apply
，而不是
系列上的
Series.apply（）
没有轴参数，这很可能是导致该错误的原因，但请不要在此处使用apply方法。对于较大的数据帧来说速度非常慢。好的，那么第一行代码是您的主要建议吗？还有，你为什么要乘以3600？cus当我使用第一行时，我得到以下错误：int太大，无法转换在我看来，您有一个
DataFrame
，有3列
Hours
、
Mins
和
Secs
，它们都是整数。我以秒为单位计算总时间，然后使用pd.to_timedelta以秒为单位。但这似乎不是你所拥有的。你应该用print（df）发布你的数据，这样我们才能真正帮助你。