Question

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

Answer 1

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

Answer 2

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

Answer 3

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)

Answer 4

如果您需要 一次创建多个列 ：

创建数据框：

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

创建功能：

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

分配新列：

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

Answer 5

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"]

应用具有多个参数的函数来创建新的pandas列

5 个答案: