我有一种更简单的方法。

Question

我有一个像这样的Dataframe：

   A   B   C    D
2  1   O   s    h
4  2   P    
7  3   Q
9  4   R   h    m

我有一个函数f来计算基于行的C和D的行：

def f(p): #p is the value of column B for a row. 
     return p+'k', p+'n'

如何通过将函数f应用于Dataframe来填充第4行和第7行的缺失值？

预期结果如下：

   A   B   C    D
2  1   O   s    h
4  2   P   Pk   Pn
7  3   Q   Qk   Qn
9  4   R   h    m

函数f必须使用，因为实际函数非常复杂。此外，该功能只需要应用于缺少C和D的行

Answer 1

也许有更优雅的方式，但我会这样做：

df['C'] = df['B'].apply(lambda x: f(x)[0])
df['D'] = df['B'].apply(lambda x: f(x)[1])

将函数应用于列并获取输出的第一个和第二个值。它返回：

   A  B   C   D
0  1  O  Ok  On
1  2  P  Pk  Pn
2  3  Q  Qk  Qn
3  4  R  Rk  Rn

编辑：

以更简洁的方式，感谢this answer：

df[['C','D']] = df['B'].apply(lambda x: pd.Series([f(x)[0],f(x)[1]]))

Answer 2

如果你想使用这样的功能，这是一个单行：

df.update(df.B.apply(lambda x: pd.Series(dict(zip(['C','D'],f(x))))), overwrite=False)

In [350]: df
Out[350]:
   A  B   C   D
2  1  O   s   h
4  2  P  Pk  Pn
7  3  Q  Qk  Qn
9  4  R   h   m

你也可以这样做：

df1 = df.copy()

df[['C','D']] = df.apply(lambda x: pd.Series([x['B'] + 'k', x['B'] + 'n']), axis=1)

df1.update(df, overwrite=False)

Answer 3

我有一种更简单的方法。

如果桌子不是很大。

def f(row): #row is the value of row. 
    if row['C']=='':
        row['C']=row['B']+'k'
    if row['D']=='':
        row['D']=row['B']+'n'
    return row
df=df.apply(f,axis=1)

Answer 4

只需执行以下操作即可

df.C.loc[df.C.isnull()] = df.B.loc[df.C.isnull()] + 'k'

df.D.loc[df.D.isnull()] = df.B.loc[df.D.isnull()] + 'n'

如果您想知道为什么我使用loc

，请检查此链接indexing-view-versus-copy

Answer 5

我发现这非常令人困惑，但最终找到了一种不会伤害我的大脑的方法。在这里，抱歉，如果它与示例不匹配...

没有索引的数据框

# function to do the calcs
def f(row):
    my_a = row['a'] # row is a Series, my_a is a scalar string

    if my_a == 'a':  # dummy logic to calc new values based on the row values
        return [1, 2] # return 2 values to update 2 columns
    else:
        return [4, 5]

# simple test frame
input = pd.DataFrame.from_dict({
    'a': ['a', 'd'],
    'b': ['b', 'e'],
    'c': ['c', 'f'],
    'x': [0, 0],
    'y': [0, 0]
})

# apply the function to update the x and y columns with the returned values
input[['x','y']] = input.apply(f, axis=1)

带索引的数据框

如果您的数据框有索引..您在执行应用程序时需要更加明确，以确保“类似列表的结果将转换为列”...

def f(row): # function to do the calcs
    my_a = row['a'] # row is a Series, my_a is a scalar string
    my_index = row.name # you might also want to use the index value in the calcs

    if my_a == 'a': # dummy logic to calc new values based on the row values
        return [1, 2] # return 2 values to update 2 columns
    else:
        return [4, 5]

input = pd.DataFrame.from_dict({
    'an_index': ['indx1', 'indx2'],
    'a': ['a', 'd'],
    'b': ['b', 'e'],
    'c': ['c', 'f'],
    'x': [0, 0],
    'y': [0, 0]
}).set_index(['an_index'])

# apply the function to update the x and y columns with the returned values
input[['x','y']] = input.apply(f, axis=1, result_type='expand')

Pandas Dataframe：如何通过应用函数更新多个列？

5 个答案:

我有一种更简单的方法。

如果桌子不是很大。