Python 基于处理多个事件的另一列向数据帧添加一列

我有一个函数，它根据我调用的API提供日落和日出的时间，该API的日期为“%d/%m/%Y”格式的字符串

我有一个数据框，其列日期包含格式为“%d/%m/%Y”的字符串

我想在我的数据框中添加一列“日出”和“日落”，但不使用apply。如果我使用

dataframe.Date.apply（）

它将在每一行上重复对于同一个日期，我有3000行，因此每个不同日期只调用一次

get_sun

会快得多

I包含以下表单的输出：

        Date        Time    Sky temp (C°)   Ambient temp (C°) Sunrise Sunset
0       01/01/2020  00:00:07    -13.01      8.23             7:58:32    18:21:39
1       01/01/2020  00:01:12    -12.93      8.25             7:58:32    18:21:39
2       01/01/2020  00:02:17    -12.91      8.19             7:58:32    18:21:39
3       01/01/2020  00:03:22    -12.75      8.19             7:58:32    18:21:39
4       01/01/2020  00:04:27    -12.99      8.17             7:58:32    18:21:39

我的代码如下：

df['Sunrise'] = ""
df['Sunset'] = ""

for i in tqdm(unique(df.Date.values)):
    (sunrise, sunset) = get_sun(i)
    df[df.Date.apply(lambda x : x==i)]['Sunrise'].apply(lambda x : sunrise)
    df[df.Date.apply(lambda x : x==i)]['Sunset']=sunset

df[df.Date.apply（lambda x:x==i）]

是我只选择日期等于i的数据帧行的方法。对于这些行，我想在相应的列中附加sunrise和sunset的值

---

提前谢谢你

我想你把新专栏的定义搞得太复杂了。只需调用

pandas.apply

即可满足您的需要。无需手动迭代，也无需查找唯一的日期

以下是一个简化示例（日期/日出/日落为整数）：

---

我认为你把新栏目的定义复杂化了。只需调用

pandas.apply

即可满足您的需要。无需手动迭代，也无需查找唯一的日期

以下是一个简化示例（日期/日出/日落为整数）：

---

我找到了一个可能不是最干净的答案：

def fun(sub_df):
    Date = df.Date.iloc[0]
    (sunrise, sunset) = get_sun(Date)
    sub_df['Sunrise'] = sunrise
    sub_df['Sunset'] = sunset
    return sub_df

df = df.groupby('Date').apply(fun)

---

它基于@Marc的答案，但不是对每行应用我的函数，而是对每个由日期分隔的子数据帧应用我的函数。我通过获取日期列的第一个值来获取日期：

df.date.iloc[0]

我找到了一个可能不是最干净的答案：

def fun(sub_df):
    Date = df.Date.iloc[0]
    (sunrise, sunset) = get_sun(Date)
    sub_df['Sunrise'] = sunrise
    sub_df['Sunset'] = sunset
    return sub_df

df = df.groupby('Date').apply(fun)

---

它基于@Marc的答案，但不是对每行应用我的函数，而是对每个由日期分隔的子数据帧应用我的函数。我通过获取日期列的第一个值来获取日期：

df.date.iloc[0]

请指定一个最小的工作示例和预期的输出。不过有一点需要注意：我感觉你误解了pandas.DataFrame的原则。您不应该使用python for循环，而应该只使用pandas固有的函数。它们的实现方式是，它们会自动影响整个数据帧，即列或行。您可以查看以快速介绍。在您的案例中，分组数据帧

df.groupby（'Date'）

可能会取代for循环。感谢您的回答，我考虑过使用groupby，但我不知道如何在使用此方法填充df的两列时最小化对我的API的调用次数。这是否回答了您的问题？请指定一个最小的工作示例和预期输出。不过有一点需要注意：我感觉你误解了pandas.DataFrame的原则。您不应该使用python for循环，而应该只使用pandas固有的函数。它们的实现方式是，它们会自动影响整个数据帧，即列或行。您可以查看以快速介绍。在您的案例中，分组数据帧

df.groupby（'Date'）

可能会取代for循环。感谢您的回答，我考虑过使用groupby，但我不知道如何在使用此方法填充df的两列时最小化对我的API的调用次数。这是否回答了您的问题？谢谢你的回答，这是非常干净和适当的，但正如我所说的，我不希望使用这种方法，因为它会引发对每一行的get_sunrise调用。。。如我的示例所示，我每分钟有一行，因此每天大约有1500行。我的目标是每天调用一次并填充所有相应的行，我将调用我的API 300次而不是5K次。我不知道我的要求是否清楚，抱歉，谢谢你的回答，这是非常干净和合适的，但正如我所说的，我不希望使用这种方法，因为它会引发每行的get_sunrise呼叫。。。如我的示例所示，我每分钟有一行，因此每天大约有1500行。我的目标是每天调用一次并填充所有相应的行，我将调用我的API 300次而不是5K次。我不知道我的要求是否清楚对不起

def fun(sub_df):
    Date = df.Date.iloc[0]
    (sunrise, sunset) = get_sun(Date)
    sub_df['Sunrise'] = sunrise
    sub_df['Sunset'] = sunset
    return sub_df

df = df.groupby('Date').apply(fun)