Question

如何将数据框中的所有数值乘以常量而不必明确指定列名？例如：

In [13]: df = pd.DataFrame({'col1': ['A','B','C'], 'col2':[1,2,3], 'col3': [30, 10,20]})

In [14]: df
Out[14]: 
  col1  col2  col3
0    A     1    30
1    B     2    10
2    C     3    20

我尝试了df.multiply，但它也会通过多次连接来影响字符串值。

In [15]: df.multiply(3)
Out[15]: 
  col1  col2  col3
0  AAA     3    90
1  BBB     6    30
2  CCC     9    60

有没有办法保持字符串值完整而只将数值乘以常量？

Answer 1

您可以使用select_dtypes()包括number dtype或排除object和datetime64 dtypes的所有列：

演示：

In [162]: df
Out[162]:
  col1  col2  col3       date
0    A     1    30 2016-01-01
1    B     2    10 2016-01-02
2    C     3    20 2016-01-03

In [163]: df.dtypes
Out[163]:
col1            object
col2             int64
col3             int64
date    datetime64[ns]
dtype: object

In [164]: df.select_dtypes(exclude=['object', 'datetime']) * 3
Out[164]:
   col2  col3
0     3    90
1     6    30
2     9    60

或更好的解决方案（c）ayhan：

df[df.select_dtypes(include=['number']).columns] *= 3

来自docs：

要选择所有数字类型，请使用numpy dtype numpy.number

Answer 2

一种方法是获取dtypes，将它们与object和datetime dtypes匹配，然后用掩码排除它们，就像这样 -

df.ix[:,~np.in1d(df.dtypes,['object','datetime'])] *= 3

示例运行 -

In [273]: df
Out[273]: 
  col1  col2  col3
0    A     1    30
1    B     2    10
2    C     3    20

In [274]: df.ix[:,~np.in1d(df.dtypes,['object','datetime'])] *= 3

In [275]: df
Out[275]: 
  col1  col2  col3
0    A     3    90
1    B     6    30
2    C     9    60

Answer 3

另一个答案指定了如何仅乘数字列。以下是如何更新它：

df = pd.DataFrame({'col1': ['A','B','C'], 'col2':[1,2,3], 'col3': [30, 10,20]})

s = df.select_dtypes(include=[np.number])*3

df[s.columns] = s

print (df)

  col1  col2  col3
0    A     3    90
1    B     6    30
2    C     9    60

Answer 4

这甚至可以在列中的混合类型上工作，但在大型数据帧上可能会很慢。

def mul(x, y):
    try:
        return pd.to_numeric(x) * y
    except:
        return x

df.applymap(lambda x: mul(x, 3))

pandas，将数据帧中的所有数值乘以常量

4 个答案: