Python 将函数应用于dataframe的每一行以创建两个新列

我有一个熊猫数据框，

st

包含多个列：

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 53732 entries, 1993-01-07 12:23:58 to 2012-12-02 20:06:23
Data columns:
Date(dd-mm-yy)_Time(hh-mm-ss)       53732  non-null values
Julian_Day                          53732  non-null values
AOT_1020                            53716  non-null values
AOT_870                             53732  non-null values
AOT_675                             53188  non-null values
AOT_500                             51687  non-null values
AOT_440                             53727  non-null values
AOT_380                             51864  non-null values
AOT_340                             52852  non-null values
Water(cm)                           51687  non-null values
%TripletVar_1020                    53710  non-null values
%TripletVar_870                     53726  non-null values
%TripletVar_675                     53182  non-null values
%TripletVar_500                     51683  non-null values
%TripletVar_440                     53721  non-null values
%TripletVar_380                     51860  non-null values
%TripletVar_340                     52846  non-null values
440-870Angstrom                     53732  non-null values
380-500Angstrom                     52253  non-null values
440-675Angstrom                     53732  non-null values
500-870Angstrom                     53732  non-null values
340-440Angstrom                     53277  non-null values
Last_Processing_Date(dd/mm/yyyy)    53732  non-null values
Solar_Zenith_Angle                  53732  non-null values
dtypes: datetime64[ns](1), float64(22), object(1)

尝试将此应用于数据帧会出现错误：

st.apply(calculate, axis=1)
---------------------------------------------------------------------------
AssertionError                            Traceback (most recent call last)
<ipython-input-248-acb7a44054a7> in <module>()
----> 1 st.apply(calculate, axis=1)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in apply(self, func, axis, broadcast, raw, args, **kwds)
   4191                     return self._apply_raw(f, axis)
   4192                 else:
-> 4193                     return self._apply_standard(f, axis)
   4194             else:
   4195                 return self._apply_broadcast(f, axis)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in _apply_standard(self, func, axis, ignore_failures)
   4274                 index = None
   4275 
-> 4276             result = self._constructor(data=results, index=index)
   4277             result.rename(columns=dict(zip(range(len(res_index)), res_index)),
   4278                           inplace=True)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in __init__(self, data, index, columns, dtype, copy)
    390             mgr = self._init_mgr(data, index, columns, dtype=dtype, copy=copy)
    391         elif isinstance(data, dict):
--> 392             mgr = self._init_dict(data, index, columns, dtype=dtype)
    393         elif isinstance(data, ma.MaskedArray):
    394             mask = ma.getmaskarray(data)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in _init_dict(self, data, index, columns, dtype)
    521 
    522         return _arrays_to_mgr(arrays, data_names, index, columns,
--> 523                               dtype=dtype)
    524 
    525     def _init_ndarray(self, values, index, columns, dtype=None,

C:\Python27\lib\site-packages\pandas\core\frame.pyc in _arrays_to_mgr(arrays, arr_names, index, columns, dtype)
   5411 
   5412     # consolidate for now
-> 5413     mgr = BlockManager(blocks, axes)
   5414     return mgr.consolidate()
   5415 

C:\Python27\lib\site-packages\pandas\core\internals.pyc in __init__(self, blocks, axes, do_integrity_check)
    802 
    803         if do_integrity_check:
--> 804             self._verify_integrity()
    805 
    806         self._consolidate_check()

C:\Python27\lib\site-packages\pandas\core\internals.pyc in _verify_integrity(self)
    892                                      "items")
    893             if block.values.shape[1:] != mgr_shape[1:]:
--> 894                 raise AssertionError('Block shape incompatible with manager')
    895         tot_items = sum(len(x.items) for x in self.blocks)
    896         if len(self.items) != tot_items:

AssertionError: Block shape incompatible with manager

然后循环遍历所有索引并尝试修改我在其中得到的

None

值，但我所做的修改似乎不起作用。也就是说，没有生成错误，但数据帧似乎没有被修改

for i in st.index:
    # do calc here
    st.ix[i]['a'] = a
    st.ix[i]['b'] = b

---

---

我原以为这两种方法都能奏效，但两种方法都不行。那么，我做错了什么？最好的、最“pythonic”和“pandaonic”的方法是什么？

要使第一种方法起作用，请尝试返回一个序列而不是元组（apply抛出异常，因为它不知道如何将行粘合在一起，因为列数与原始帧不匹配）

第二种方法应适用于以下情况：

st.ix[i]['a'] = a

与：

这在这里得到了解决：

适用于你的问题，这应该有效：

def calculate(s):
    a = s['path'] + 2*s['row'] # Simple calc for example
    b = s['path'] * 0.153
    return pd.Series({'col1': a, 'col2': b})

df = df.merge(df.apply(calculate, axis=1), left_index=True, right_index=True)

---

我总是使用lambdas和内置的

map（）

函数通过组合其他行来创建新行：

st['a'] = map(lambda path, row: path + 2 * row, st['path'], st['row'])

它可能比数字列的线性组合稍微复杂一些。另一方面，我觉得最好采用约定，因为它可以用于更复杂的行组合（例如，使用字符串）或使用其他列的函数在列中填充缺少的数据

例如，假设您有一个包含列SEXT和title的表，但缺少一些标题。您可以使用如下函数填充它们：

title_dict = {'male': 'mr.', 'female': 'ms.'}
table['title'] = map(lambda title,
    gender: title if title != None else title_dict[gender],
    table['title'], table['gender'])

---

另一个解决方案基于：

---

请注意

assign

始终返回数据的副本，保持原始数据帧不变。

第二种方法的解决方案有效-谢谢：-）。然而，我无法获得第一种工作方法。返回一个系列是有效的，我得到了一个“mini-df”返回，但我似乎无法将

apply

函数返回的值放入原始数据帧中。使用

st['a']，st['b']=st.apply（calculate，axis=1）

不起作用，在

zip（*）中包装右侧也不起作用。

。你知道我这里做错了什么吗？你可以用

pd.concat（[df，new\u df]，axis=1）将“mini”df列连接到原始数据帧上。您可能还想考虑基于列的操作，例如，计算和添加列“a”，其中包含“代码> df′[a’′]＝df（‘路径’）+2 *df[ [行] ] /代码>，这仅适用于我：返回Pd。系列（{ COL1′：a，‘COL2’：b}），是特定于Python版本的语法吗？在Python 3中，您将需要使用<代码>元组（map（…））

而不仅仅是

映射（…）

。

st.ix[i, 'a'] = a

def calculate(s):
    a = s['path'] + 2*s['row'] # Simple calc for example
    b = s['path'] * 0.153
    return pd.Series({'col1': a, 'col2': b})

df = df.merge(df.apply(calculate, axis=1), left_index=True, right_index=True)

st['a'] = map(lambda path, row: path + 2 * row, st['path'], st['row'])

title_dict = {'male': 'mr.', 'female': 'ms.'}
table['title'] = map(lambda title,
    gender: title if title != None else title_dict[gender],
    table['title'], table['gender'])

st.assign(a = st['path'] + 2*st['row'], b = st['path'] * 0.153)