Question

我有一个数据框，我希望跨行应用“apply”方法，但我只需要在列的子集上执行此操作（例如，60％）。我想知道什么是有效的方法呢？

我知道我可以使用set_index将其余不需要的列存入索引，然后将其重置，但我很好奇是否有更有效的方法来执行此操作。

我当然可以这样做：

df_new=df[[x1,x2,...xn]].apply(function, axis=0)

但问题是它df_new丢失了其余的列（和索引），因此很难将其恢复到预期的输出，这是原始帧，“apply”appplied仅限于特定数量的选定列。有什么想法/建议吗？

Answer 1

您只需将结果分配给df的相同子集：

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5, 4))
print(df)
          0         1         2         3
0  1.764052  0.400157  0.978738  2.240893
1  1.867558 -0.977278  0.950088 -0.151357
2 -0.103219  0.410599  0.144044  1.454274
3  0.761038  0.121675  0.443863  0.333674
4  1.494079 -0.205158  0.313068 -0.854096

df[[1, 2]] = df[[1, 2]].apply(lambda x: 100 + x)
print(df)

          0           1           2         3
0  1.764052  100.400157  100.978738  2.240893
1  1.867558   99.022722  100.950088 -0.151357
2 -0.103219  100.410599  100.144044  1.454274
3  0.761038  100.121675  100.443863  0.333674
4  1.494079   99.794842  100.313068 -0.854096

如果要保留原始数据框，请复制。

如果你有混合dtypes，这可能不起作用。

在数据帧列的子集上使用“apply”方法的有效方法是什么？

1 个答案: