Question

我有一个这样的数据框（通常有更多的列和行）：

define(['underscoreBase'], function(_) {
    var oldTemplate = _.template;
    _.template = function(str){
        return oldTemplate("<div class='test'>"+str+"</div>");
    };
    return _;
});

现在，我想将列A B 0 5 10 1 15 3和A_ratio添加到此数据框，其中值分别代表B_ratio和A/(A + B)。因此B/(A + B)和A_ratio在数据帧的每一行中最多应加1。

我的第一次尝试看起来像这样：

B_ratio

给我以下结果：

import pandas as pd

df = pd.DataFrame({'A': [5,15], 'B': [10,3]})

for coli in df:
    df[coli + '_ratio'] = df[coli]/df.sum(axis=1)

显然，A B A_ratio B_ratio 0 5 10 0.333333 0.652174 1 15 3 0.833333 0.159292列和A_ratio列不等于1.虽然B_ratio中的值是正确的，但A_ratio中的值是错误的，因为行总和是在添加B_ratio时更改。

解决方法可能是首先复制数据框：

A_ratio

给了我想要的输出：

df2 = pd.DataFrame({'A': [5,15], 'B': [10,3]})
df2cl = df2.copy()

for coli in df2:
    df2[coli + '_ratio'] = df2[coli]/df2cl.sum(axis=1)

是否有更有效的方法可以避免复制数据帧？

Answer 1

您可以从您的df中进行选择，以便它只对这两列进行求和：

In [195]:
for coli in df:
    df[coli + '_ratio'] = df[coli]/df[['A','B']].sum(axis=1)
df

Out[195]:
    A   B   A_ratio   B_ratio
0   5  10  0.333333  0.666667
1  15   3  0.833333  0.166667

如果您不想对其进行硬编码，您可以提前获取列名的副本：

In [197]:
cols = df.columns
for coli in df:
    df[coli + '_ratio'] = df[coli]/df[cols].sum(axis=1)
df

Out[197]:
    A   B   A_ratio   B_ratio
0   5  10  0.333333  0.666667
1  15   3  0.833333  0.166667

Answer 2

您不需要每次都打电话给。

 >>%timeit %run multiple_sum.py
   100 loops, best of 3: 6.59 ms per loop

 >>%timeit %run single_sum.py
   100 loops, best of 3: 3.84 ms per loop

如果你有一个大数据帧，这将是不必要的开销。

sums = df.sum(axis=1)

for coli in df:
    df[coli + '_ratio'] = df[coli]/sums

就足够了

如何在Pandas中同时向数据框添加多个列？

2 个答案: