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?
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。