Question

我想使用Pandas df.apply但仅限于某些行

作为一个例子，我想做这样的事情，但我的实际问题有点复杂：

import pandas as pd
import math
z = pd.DataFrame({'a':[4.0,5.0,6.0,7.0,8.0],'b':[6.0,0,5.0,0,1.0]})
z.where(z['b'] != 0, z['a'] / z['b'].apply(lambda l: math.log(l)), 0)

在这个例子中我想要的是'a'中的值除以每行中'b'中值的对数，对于'b'为0的行，我只想返回0。

Answer 1

其他答案非常好，但我想我会添加另一种在某些情况下更快的方法 - 使用广播和屏蔽来达到相同的效果：

import numpy as np

mask = (z['b'] != 0)
z_valid = z[mask]

z['c'] = 0
z.loc[mask, 'c'] = z_valid['a'] / np.log(z_valid['b'])

特别是对于非常大的数据帧，这种方法通常比基于apply()的解决方案更快。

Answer 2

您可以在lambda函数中使用if语句。

z['c'] = z.apply(lambda row: 0 if row['b'] in (0,1) else row['a'] / math.log(row['b']), axis=1)

我也排除了1，因为log（1）为零。

输出：

   a  b         c
0  4  6  2.232443
1  5  0  0.000000
2  6  5  3.728010
3  7  0  0.000000
4  8  1  0.000000

Answer 3

希望这会有所帮助。它简单易读

df['c']=df['b'].apply(lambda x: 0 if x ==0 else math.log(x))

Answer 4

如果输入值为0，则可以使用带条件的lambda返回0并跳过整个where子句：

z['c'] = z.apply(lambda x: math.log(x.b) if x.b > 0 else 0, axis=1)

您还必须将结果分配给新列（z['c']）。

Answer 5

您可以使用 numpy 函数 where：

np.where(z.b != 0, z.a / np.log(z.b), 0)

或pandas方法mask和where：

z.b.mask(z.b != 0, other=z.a / np.log(z.b))

z.b.where(z.b == 0, other=z.a / np.log(z.b))

Pandas适用但仅适用于满足条件的行

5 个答案: