将函数应用于pandas数据帧的每一行以创建两个新列

时间:2013-02-27 17:13:55

标签: python pandas

我有一个pandas DataFrame,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)

我想基于将函数应用于数据帧的每一行,为此数据帧创建两个新列。我不想多次调用该函数(例如,通过执行两个单独的apply调用),因为它是计算密集型的。我尝试过两种方式,但都不起作用:


使用apply

我编写了一个函数,它接受Series并返回我想要的值的元组:

def calculate(s):
    a = s['path'] + 2*s['row'] # Simple calc for example
    b = s['path'] * 0.153
    return (a, b)

尝试将此应用于DataFrame会出错:

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

然后我将使用this question中显示的方法将apply返回的值分配给两个新列。但是,我甚至无法达到这一点!如果我只返回一个值,这一切都可以正常工作。


使用循环:

我首先创建了两个新的数据框列,并将它们设置为None

st['a'] = None
st['b'] = None

然后循环遍历所有索引,并尝试修改我在那里获得的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,但似乎没有修改DataFrame。

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

我认为这两种方法都可行,但它们都没有。那么,我在这里做错了什么?什么是最好的,最“pythonic”和“pandaonic”的方式呢?

4 个答案:

答案 0 :(得分:27)

要使第一个方法起作用,请尝试返回一个Series而不是一个元组(apply正在抛出异常,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)

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

如果替换,第二种方法应该有效:

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

使用:

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

答案 1 :(得分:18)

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'])

对于进行数值列的线性组合,可能稍微复杂一些。另一方面,我觉得采用一种约定是好的,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填充列中的缺失数据。

例如,假设您有一个包含性别和标题列的表格,并且缺少某些标题。您可以使用以下函数填充它们:

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

答案 2 :(得分:5)

这在这里解决了: Apply pandas function to column to create multiple new columns?

应用于您的问题,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)

答案 3 :(得分:0)

另一种基于Assigning New Columns in Method Chains的解决方案:

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

请注意assign 始终会返回数据副本,而原始DataFrame不会受到影响。