Python 如何使用具有不同输入参数的相同函数在dataframe中创建新列？

我有一个示例数据帧：

      x_mean    x_min    x_max     y_mean     y_min     y_max
 1      85.6        3      264       75.7         3       240
 2     105.5        6      243       76.4         3       191
 3      95.8       19      287       48.4         8       134
 4      85.5       50      166       64.8        32       103
 5      55.9       24      117       46.7        19        77 


x_range = [list(range(0,50)),list(range(51,100)),list(range(101,250)),list(range(251,350)),list(range(351,430)),list(range(431,1000))]
y_range = [list(range(0,30)),list(range(31,60)),list(range(61,90)),list(range(91,120)),list(range(121,250)),list(range(251,2000))]


#here x = Any column with mean value (eg. x_mean or y_mean)
# y = x_range / y_range 

def min_max_range(x,y):
for a in y:
    if int(x) in a:
        min_val = min(a)
        max_val = max(a)+1
        return max_val - min_val

def min_range(x,y):
for a in y:
    if int(x) in a:
        min_val = min(a)
        return min_val

现在，我想将这些函数

min\u max\u range（）

和

min\u range（）

应用于列

x\u-mean，y\u-mean

，以获得新列

与函数

min\u max\u val

使用列

x\u mean

和范围

x\u range

作为创建列

x\u min\u max\u val

的输入一样，类似地，列

y\u mean

，范围

y\u range

用于列

y\u max\u val

：

通过使用这些一行程序，我可以一列一列地创建每一列，但我想用一行程序一次性将其应用于两列

x_-mean&y_-mean

列

df['x_min_max_val'] = df['x_mean'].apply(lambda x: min_max_range(x,x_range))
df['y_min_max_val'] = df['y_mean'].apply(lambda x: min_max_range(x,y_range))  

生成的数据帧应如下所示：

      x_mean    x_min    x_max     y_mean     y_min     y_max    x_min_max_val   y_min_max_val        x_min_val   y_min_val
1      85.6        3      264       75.7         3       240                49              29               51          61
2     105.5        6      243       76.4         3       191               149              29              101          91
3      95.8       19      287       48.4         8       134                49              29               51          91
4      85.5       50      166       64.8        32       103                49              29               51          61
5      55.9       24      117       46.7        19        77                49              29               51          31

我想一次性创建这些列，而不是一次性创建一列。我该怎么做？有什么建议吗？或者像这样的东西能起作用

df.filter(regex='mean').apply(lambda x: min_max_range(x,x+'_range'))

---

这是实现这一目标需要遵循的概念。首先，您需要将范围存储在字典中，以便通过名称访问它们

range_dict = {}
range_dict['x_range'] = x_range
range_dict['y_range'] = y_range

此外，还需要在列表中包含需要进行计算的列（或者，如果这些列具有特定模式，则可以使用正则表达式获取这些列）

现在，要在所有列上应用函数，需要定义如下函数

def min_max_calculator(df, range_dictionary, mean_columns_list):
    for i in range(len(mean_cols_list)):
        # this returns 'x_mean'
        current_column = mean_cols_list[i]
        # this returns 'x_min_max_value'
        output_col_name = current_column.replace('mean','min_max_value')
        # this returns 'x_range'
        range_name = current_column.replace('mean','range')
        # this returns the list of ranges for x_range
        range_list = range_dict[range_name]
        # This add the calculated column to the dataframe
        df[output_col_name] = df[current_column].apply(lambda x: min_max_range(x,range_list))
    return(df)

df_output = min_max_calculator(df, range_dict, mean_cols_list)

---

这些是您正在使用的函数，还是仅仅是示例？我正在使用它们@Datanovice@astroluv很难理解你在追求什么。因此，您希望函数min_max_range获取输入x_mean和x_range并输出指定的列？当前，

min_max_range

将返回None，因为

y_mean

中没有值在

x_mean

中？此外，传入列也会导致错误。另外，您目前如何做到这一点，以及您希望如何“一次性”完成？我如何添加另一列以使用其他列获取新列。x_new=df.x_min_max_val/（df.x_max-df.x_min）*（df.x_mean-df.x_min）+df.x_min_max_val

def min_max_calculator(df, range_dictionary, mean_columns_list):
    for i in range(len(mean_cols_list)):
        # this returns 'x_mean'
        current_column = mean_cols_list[i]
        # this returns 'x_min_max_value'
        output_col_name = current_column.replace('mean','min_max_value')
        # this returns 'x_range'
        range_name = current_column.replace('mean','range')
        # this returns the list of ranges for x_range
        range_list = range_dict[range_name]
        # This add the calculated column to the dataframe
        df[output_col_name] = df[current_column].apply(lambda x: min_max_range(x,range_list))
    return(df)

df_output = min_max_calculator(df, range_dict, mean_cols_list)