Question

有没有办法将函数列表应用到DataFrame中的每一列，就像DataFrameGroupBy.agg函数一样？我发现了一种丑陋的方式：

df=pd.DataFrame(dict(one=np.random.uniform(0,10,100), two=np.random.uniform(0,10,100)))
df.groupby(np.ones(len(df))).agg(['mean','std'])

        one                 two
       mean       std      mean       std
1  4.802849  2.729528  5.487576  2.890371

Answer 1

对于Pandas 0.20.0或更高版本，请使用df.agg（感谢ayhan代表pointing this out）：

In [11]: df.agg(['mean', 'std'])
Out[11]: 
           one       two
mean  5.147471  4.964100
std   2.971106  2.753578

对于旧版本，您可以使用

In [61]: df.groupby(lambda idx: 0).agg(['mean','std'])
Out[61]: 
        one               two          
       mean       std    mean       std
0  5.147471  2.971106  4.9641  2.753578

另一种方式是：

In [68]: pd.DataFrame({col: [getattr(df[col], func)() for func in ('mean', 'std')] for col in df}, index=('mean', 'std'))
Out[68]: 
           one       two
mean  5.147471  4.964100
std   2.971106  2.753578

Answer 2

在您具有任意函数和列名称的一般情况下，您可以这样做：

df.apply(lambda r: pd.Series({'mean': r.mean(), 'std': r.std()})).transpose()

         mean       std
one  5.366303  2.612738
two  4.858691  2.986567

Answer 3

我试图将三个函数应用到一列中并且有效

#removing new line character
rem_newline = lambda x : re.sub('\n',' ',x).strip()

#character lower and removing spaces
lower_strip = lambda x : x.lower().strip()

df = df['users_name'].apply(lower_strip).apply(rem_newline).str.split('(',n=1,expand=True)

Answer 4

我正在使用熊猫来分析智利的立法草案。在我的数据框中，作者列表存储为字符串。上面的答案对我不起作用（使用pandas 0.20.3）。所以我使用了自己的逻辑并想出了这个：

df.authors.apply(eval).apply(len).sum()

连接适用！管道!!第一个应用变换

"['Barros Montero: Ramón', 'Bellolio Avaria: Jaime', 'Gahona Salazar: Sergio']"

进入明显的清单，第二个申请计算参与该项目的立法者人数。我想要每一对的大小（立法者，项目编号）（所以我可以预设一个数组，我将研究哪些政党在做什么）。

有趣的是，这有效！更有趣的是，如果一个人过于雄心勃勃而最后一次调用就会失败，而是这样做：

df.autores.apply(eval).apply(len).apply(sum)

有错误：

TypeError: 'int' object is not iterable

来自/site-packages/pandas/core/series.py深入了解

Pandas如何将多个函数应用于数据帧

4 个答案: