您现在的位置是:首页 > 编程语言学习 > 前端编程语言 > 文章正文 前端编程语言
python中pandas操作apply返回多列的实现
2022-08-09 09:50:28 前端编程语言
简介我们可以用DataFrame的apply函数实现对多列,多行的操作。需要记住的是,参数axis设为1是对列进行操作,参数axis设为0是对行操作。默认是对...
我们可以用DataFrame的apply函数实现对多列,多行的操作。
需要记住的是,参数axis设为1是对列进行操作,参数axis设为0是对行操作。默认是对行操作。
apply 返回多列
- # height = [70, 90, 100, 120, 140, 160, 180, 200,220,240, 260] # 长度为 11
- # df.shape (1000, 11)
- # 对df的每一行的每一个元素操作,然后再返回多列
- #----------返回多列-----------------
- df = df.apply(lambda x: pd.Series([math.atan(i[0]/(i[1])*180/math.pi for i in zip(height, x)]).astype(float), axis=1)
- .rename(columns=dict(zip(list(range(0, 11)), df.columns)))
- #df['slope'] = df_10min.apply(lambda x: math.atan(210 / (x['ws_260'] - x['ws_50'] + 1e-7))*180/math.pi, axis=1)
- import pandas as pd
- df_tmp = pd.DataFrame([
- {"a":"data1", "cnt":100},{"a":"data2", "cnt":200},
- ])
- df_tmp
- a cnt
- data1 100
- data2 200
方法一:使用apply 的参数result_type 来处理
- def formatrow(row):
- a = row["a"] + str(row["cnt"])
- b = str(row["cnt"]) + row["a"]
- return a, b
- df_tmp[["fomat1", "format2"]] = df_tmp.apply(formatrow, axis=1, result_type="expand")
- df_tmp
- a cnt fomat1 format2
- data1 100 data1100 100data1
- data2 200 data2200 200data2
方法一:使用zip打包返回结果来处理
- df_tmp["fomat1-1"], df_tmp["format2-2"] = zip(*df_tmp.apply(formatrow, axis=1))
- df_tmp
- a cnt fomat1 format2 fomat1-1 format2-2
- data1 100 data1100 100data1 data1100 100data1
- data2 200 data2200 200data2 data2200 200data2
生成新列
现在有如下一个DataFrame:
- np.random.seed(1)
- df = pd.DataFrame(np.random.randn(4,2), columns=['A', 'B'])
- df
- >>>
- AB
- 01.624345-0.611756
- 1-0.528172-1.072969
- 20.865408-2.301539
- 31.744812-0.761207
对A, B两列操作,生成C列, 其中C是字符串,由A ± B组成。下面看一下结果就明白了。
- df['C'] = df.apply(lambda x: '{:.2f}±{:.2f}'.format(x['A'], x['B']), axis=1)
看一下效果
A B C0 1.624345 -0.611756 1.62±-0.611 -0.528172 -1.072969 -0.53±-1.072 0.865408 -2.301539 0.87±-2.303 1.744812 -0.761207 1.74±-0.76
多行操作举例
同理可以作用在多行上。
# 对第 10 行进行操作,基于第2、3两行 df.loc[10] = df.apply(lambda x: '{:.2f}±{:.2f}'.format(x[2], x[3]) )
看一下实现的效果
A B0 1.624345 -0.6117561 -0.528172 -1.0729692 0.865408 -2.3015393 1.744812 -0.76120710 0.87±1.74 -2.30±-0.76
下一篇:最后一页