Python 将函数应用于数据帧中的多个列

我有以下功能：

def删除异常值（dfIn，colName）：
q1=dfIn[colName]。分位数（0.10）
q3=dfIn[colName]。分位数（0.90）
iqr=q3-q1
fenceLow=q1-1.5*iqr
fenceHigh=q3+1.5*iqr
dfOut=dfIn.loc[（dfIn[colName]>fenceLow）和（dfIn[colName]

我希望将该函数独立地（一个接一个地）应用于数据帧中的多个列，而无需多次调用该函数

---

最有效的方法是什么？或者可以将函数更改为传递列名列表吗？

这可以在两个应用程序中完成在此解决方案中，分别检测每列的异常值，并分别删除包含任何列的异常值的行。

假设这个数据集。我修改了您的函数，并将q1和q3值固定为它应该的值

    A   B     C   D
0   1   100   2   3
1   1   200   4   5
2   1   12000 4   7
3   2   100   22  2
4   2   200   3   1

第二步是找到其中任何一个值为True的行并删除它们

df[~outliers.apply(lambda x:any(x), axis=1)]

---

“不多次调用函数”是什么意思？每列有分位数，因此必须多次调用它。是否希望为所有列使用一个函数以提高可读性？你想提高绩效吗？你的目标是什么？如果可能的话，最好是两者都有，但主要是可读性。非常感谢，为了传递列名列表，我尝试对其进行更改，但不幸的是无法使其工作。对于实际iqr，您的q1和q3需要分别为0.25和0.75。否则，几乎不会删除任何异常值。此外，这将需要2个应用函数。。一个在轴0上，一个在轴1上。检查下面我的答案。我修改了你的函数，并在函数定义后添加了两行代码，以满足你的需要。非常感谢。但是，所有列都应单独处理，因为其中包含的数据范围差异很大。对不起，我应该提到这一点。在我的代码中，所有列的处理方式都不同。iqr为每列计算，并分别为每列返回布尔值。Post将删除包含异常值的行更具体地说，将分别检测每列的异常值，然后分别删除每行的异常值。此解决方案处理不同列的不同数据范围。啊，是的，对不起，现在理解：）非常感谢！编辑数据集以包含不同的数据范围，以使解决方案更清晰

outliers = df.apply(get_outliers)

        A       B       C       D
0   False   False   False   False
1   False   False   False   False
2   False   True    False   False
3   False   False   True    False
4   False   False   False   False

df[~outliers.apply(lambda x:any(x), axis=1)]

    A   B   C   D
0   1   100 2   3
1   1   200 4   5
4   2   200 3   1