我有一个数据框:
df = pd.DataFrame(
{'number': ['10', '20' , '30', '40'], 'condition': ['A', 'B', 'A', 'B']})
df =
number condition
0 10 A
1 20 B
2 30 A
3 40 B
我想将一个函数应用于数字列中的每个元素,如下所示:
df['number'] = df['number'].apply(lambda x: func(x))
但是,即使我将函数应用于数字列,我希望函数也引用condition
列,即伪代码:
func(n):
#if the value in corresponding condition column is equal to some set of values:
# do some stuff to n using the value in condition
# return new value for n
对于单个数字,我会写一个示例函数:
number = 10
condition = A
def func(num, condition):
if condition == A:
return num*3
if condition == B:
return num*4
func(number,condition) = 15
如何将相同的功能合并到上面写的apply
语句中?即,在对数字列中的值进行处理时,引用条件列中的值?
注意:我已阅读np.where()
,pandas.loc()
和pandas.index()
上的文档,但我无法弄清楚如何将其付诸实践。
我正在努力使用函数中引用其他列的语法,因为我需要访问number
和condition
列中的两个值。
因此,我的预期输出是:
df =
number condition
0 30 A
1 80 B
2 90 A
3 160 B
更新:以上内容过于模糊。请参阅以下内容:
df1 = pd.DataFrame({'Entries':['man','guy','boy','girl'],'Conflict':['Yes','Yes','Yes','No']})
Entries Conflict
0 "man" "Yes"
1 "guy" "Yes"
2 "boy" "Yes"
3 "girl" "No
def funcA(d):
d = d + 'aaa'
return d
def funcB(d):
d = d + 'bbb'
return d
df1['Entries'] = np.where(df1['Conflict'] == 'Yes', funcA, funcB)
Output:
{'Conflict': ['Yes', 'Yes', 'Yes', 'Np'],
'Entries': array(<function funcB at 0x7f4acbc5a500>, dtype=object)}
如何应用上面的np.where语句来获取评论中提到的pandas系列,并生成如下所示的所需输出:
期望的输出:
Entries Conflict
0 "manaaa" "Yes"
1 "guyaaa" "Yes"
2 "boyaaa" "Yes"
3 "girlbbb" "No
答案 0 :(得分:4)
我不知道如何使用pandas.DataFrame.apply
,但您可以定义某个condition:multiplier
键值映射(见下面的multiplier
),并将其传递给您的函数。然后,您可以使用列表推导来根据这些条件计算新的number
输出:
import pandas as pd
df = pd.DataFrame({'number': [10, 20 , 30, 40], 'condition': ['A', 'B', 'A', 'B']})
multiplier = {'A': 2, 'B': 4}
def func(num, condition, multiplier):
return num * multiplier[condition]
df['new_number'] = [func(df.loc[idx, 'number'], df.loc[idx, 'condition'],
multiplier) for idx in range(len(df))]
结果如下:
df
Out[24]:
condition number new_number
0 A 10 30
1 B 20 80
2 A 30 90
3 B 40 160
可能有一种矢量化的纯熊猫解决方案,它更理想。&#34;但这也是有用的。
答案 1 :(得分:2)
由于问题是关于同一行的数据框列的应用功能,将pandas apply
功能与{{1}结合使用似乎更准确}:
lambda
在此示例中,import pandas as pd
df = pd.DataFrame({'number': [10, 20 , 30, 40], 'condition': ['A', 'B', 'A', 'B']})
def func(number,condition):
multiplier = {'A': 2, 'B': 4}
return number * multiplier[condition]
df['new_number'] = df.apply(lambda x: func(x['number'], x['condition']), axis=1)
获取数据框df的列'number'和'condition',并将同一行的这些列应用于使用lambda
函数 func 。
返回以下结果:
apply
对于 UPDATE case ,也可以使用pandas df
Out[10]:
condition number new_number
0 A 10 20
1 B 20 80
2 A 30 60
3 B 40 160
函数:
apply
在此示例中,df1 = pd.DataFrame({'Entries':['man','guy','boy','girl'],'Conflict':['Yes','Yes','Yes','No']})
def funcA(d):
d = d + 'aaa'
return d
def funcB(d):
d = d + 'bbb'
return d
df1['Entries'] = df1.apply(lambda x: funcA(x['Entries']) if x['Conflict'] == 'Yes' else funcB(x['Entries']), axis=1)
获取数据框df的列'条目'和'冲突',并将这些列应用于 funcA与lambda
相同的行的或 funcB 。如果将应用 funcA 或 funcB ,则使用lambda中的apply
子句完成该条件。
返回以下结果:
if-else