Question

我想使用pandas apply（）而不是遍历数据帧的每一行，据我所知，这是一个更有效的过程。

我想做的很简单：

temp_arr = [0,1,2,3]
# I know this is not a dataframe, just want to show quickly how it looks like.
temp_df is a 4x4 dataframe, simply: [[1,1,1,1],[2,2,2,2],[3,3,3,3],[4,4,4,4]]
For each row in my temp_df, minus the corresponding number in the temp_arr.

例如，我的数据框中的第一行是[1,1,1,1]，我想从它们中减去temp_arr中的第一项（即0），因此输出应为[1， 1,1,1]。第二行是[2,2,2,2]，我想从它们中减去temp_arr中的第二项（即1），因此输出也应该是[1,1,1,1]。

如果我减去一个常数，我知道我可以轻松地做到：

temp_df.apply(lambda x: x-1)

但这里棘手的问题是我需要遍历我的temp_arr来获取减去的数字。我可以用apply（）做任何方式吗？

Answer 1

考虑数组a和数据框df

a = np.arange(4)
df = pd.DataFrame(np.repeat([1, 2, 3, 4], 4).reshape(4, -1))

print(a)

[0 1 2 3]

print(df)

   0  1  2  3
0  1  1  1  1
1  2  2  2  2
2  3  3  3  3
3  4  4  4  4

您希望将pd.DataFrame.sub与axis=0一起使用这会使您的数组与axis=0或索引对齐，并按列

执行减法列

print(df.sub(a, axis=0))

   0  1  2  3
0  1  1  1  1
1  1  1  1  1
2  1  1  1  1
3  1  1  1  1

额外信用
使用numpy广播来对齐轴

 print(df.values - a[:, None])

[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

构建数据框

d1 = pd.DataFrame(df.values - a[:, None], df.index, df.columns)
print(d1)

   0  1  2  3
0  1  1  1  1
1  1  1  1  1
2  1  1  1  1
3  1  1  1  1

Answer 2

使用索引按行引用另一个数据帧：

import numpy as np
import pandas as pd
df = pd.DataFrame(data = [[1,1,1,1],[2,2,2,2],[3,3,3,3],[4,4,4,4]])    
a = pd.DataFrame({'a': np.arange(4), 'b': np.arange(1, 5)})
print df.apply(lambda x: x - a.ix[x.index, 'a'], axis = 1)
print df.apply(lambda x: x - a.ix[x.index, 'b'], axis = 1)

解决原始问题：

import numpy as np
import pandas as pd
term_df = pd.DataFrame(data = [[1,1,1,1],[2,2,2,2],[3,3,3,3],[4,4,4,4]])    
temp_arr = np.arange(4)
print temp_df.apply(lambda x: x - temp_arr[x.index], axis = 1)

Python Pandas：使用apply（）从数组

2 个答案: