应用具有多个参数的函数来创建新的pandas列

时间:2013-11-11 20:07:31

标签: python pandas

我想通过将函数应用于两个现有列来在pandas数据框中创建新列。在answer之后,当我只需要一列作为参数时,我就能够创建一个新列:

import pandas as pd
df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

def fx(x):
    return x * x

print(df)
df['newcolumn'] = df.A.apply(fx)
print(df)

然而,当函数需要多个参数时,我无法弄清楚如何做同样的事情。例如,如何通过将列A和列B传递给下面的函数来创建新列?

def fxy(x, y):
    return x * y

5 个答案:

答案 0 :(得分:170)

如果您可以重写功能,可以使用@greenAfrican示例。但是如果你不想重写你的函数,可以将它包装到apply中的匿名函数中,如下所示:

>>> def fxy(x, y):
...     return x * y

>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)
>>> df
    A   B  newcolumn
0  10  20        200
1  20  30        600
2  30  10        300

答案 1 :(得分:106)

或者,您可以使用numpy底层函数:

>>> import numpy as np
>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df['new_column'] = np.multiply(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300
在一般情况下

或向量化任意函数:

>>> def fx(x, y):
...     return x*y
...
>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

答案 2 :(得分:33)

这解决了这个问题:

df['newcolumn'] = df.A * df.B

你也可以这样做:

def fab(row):
  return row['A'] * row['B']

df['newcolumn'] = df.apply(fab, axis=1)

答案 3 :(得分:18)

如果您需要 一次创建多个列

  1. 创建数据框:

    import pandas as pd
    df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
    
  2. 创建功能:

    def fab(row):                                                  
        return row['A'] * row['B'], row['A'] + row['B']
    
  3. 分配新列:

    df['newcolumn'], df['newcolumn2'] = zip(*df.apply(fab, axis=1))
    

答案 4 :(得分:12)

另一种dict风格的干净语法:

df["new_column"] = df.apply(lambda x: x["A"] * x["B"], axis = 1)

,或者

df["new_column"] = df["A"] * df["B"]