Python 我可以将lambda函数应用于特定行上的df列吗？

python新手，请容忍我

我有一个函数，可以将随机值应用于df中的不同列（取决于列名；每列都有特定的随机值范围）。对于一个特定的函数，我只想将其应用于我的列的一半。我试图用偶数行来处理这个问题，但似乎不起作用。当我打印出前几行时，我可以看出列没有更新。非常感谢您的帮助

以下是我的尝试：

    for col in df.columns:
        if 'shirt' in col:
            df[col] = df[col].apply(lambda x: np.random.randint(0,5))
        elif 'pants' in col:
            df[col] = df[col].apply(lambda x: np.random.randint(0,10))
        elif 'sweater' in col:
            df[col] = df[col].apply(lambda x: np.random.randint(0,50) if df.index.all() % 2 == 0 else np.NaN)
        else:
            pass

（不得不添加

.all（）

bc我得到了一个

值错误：一个包含多个元素的数组的真值是不明确的
错误。）

使用索引将其应用于我的数据帧的一半是我所能想到的，但是如果我想将lambda函数仅应用于我的列的60%或80%，而将其余部分保留为null，这是行不通的

这是我从上述代码中得到的结果：

    shirt_count  pant_count  sweater_count  
0            14            3            5 
1            18            3            7 
2             1            3            5 
3             7            1            9 
4             2            3            2 

我已经盯着屏幕看了好几个小时了，希望能得到任何帮助
 您可以对“毛衣”列的偶数行和奇数行应用单独的函数：

import pandas as pd
import numpy as np

df = pd.DataFrame({'shirt': [0,0,0,0,0], 'pants': [0,0,0,0,0], 'sweater': [0,0,0,0,0]})

for col in df.columns:
    if 'shirt' in col:
        df[col] = df[col].apply(lambda x: np.random.randint(0,5))
    elif 'pants' in col:
        df[col] = df[col].apply(lambda x: np.random.randint(0,10))
    elif 'sweater' in col:
        # random integers for even rows
        df[col][::2] = df[col][::2].apply(lambda x: np.random.randint(0,50))

        # na.NaN for odd rows
        df[col][1::2] = df[col][1::2].apply(lambda x: np.NaN)
    else:
        pass

输出：

>>> df
   shirt  pants  sweater
0      4      9      0.0
1      0      1      NaN
2      2      7     28.0
3      2      7      NaN
4      0      8     30.0

您可以对“毛衣”列的偶数行和奇数行应用单独的函数：

import pandas as pd
import numpy as np

df = pd.DataFrame({'shirt': [0,0,0,0,0], 'pants': [0,0,0,0,0], 'sweater': [0,0,0,0,0]})

for col in df.columns:
    if 'shirt' in col:
        df[col] = df[col].apply(lambda x: np.random.randint(0,5))
    elif 'pants' in col:
        df[col] = df[col].apply(lambda x: np.random.randint(0,10))
    elif 'sweater' in col:
        # random integers for even rows
        df[col][::2] = df[col][::2].apply(lambda x: np.random.randint(0,50))

        # na.NaN for odd rows
        df[col][1::2] = df[col][1::2].apply(lambda x: np.NaN)
    else:
        pass

输出：

>>> df
   shirt  pants  sweater
0      4      9      0.0
1      0      1      NaN
2      2      7     28.0
3      2      7      NaN
4      0      8     30.0