Question

正如标题所说，我一直在尝试使用for循环从其他df构建Pandas DataFrame并计算构建最后一列的新列。

到目前为止，我已经尝试过了：

df = pd.DataFrame(np.arange(10))
df.columns = [10]

df1 = pd.DataFrame(np.arange(10))
df1.columns = [10]

steps = np.linspace(10,1,10,dtype = int)

这有效：

for i in steps:
    print(i)
    df[i-1] = df[i].apply(lambda a: a-1)

但是当我尝试同时构建df和df1时：

for i in steps:
    print(i)
    df[i-1] = df[i].apply(lambda a: a-df1[i])
    df1[i-1] = df1[i].apply(lambda a: a-1)

它返回了很多乱码+行：

 ValueError : Wrong number of items passed 10, placement implies 1

在这个例子中，我很清楚我可以先构建 df1 并在之后构建 df 。但如果我尝试，它会返回相同的错误：

for i in steps:
    print(i)
    df[i-1] = df[i].apply(lambda a: a-df1[i])
    df1[i-1] = df1[i].apply(lambda a: a-df[i])

最后我真正需要的是什么。

非常感谢任何帮助，
亚历

Answer 1

找到它，我只需要删除.apply！

示例：

df = pd.DataFrame(np.arange(10))
df.columns = [10]

df1 = pd.DataFrame(np.arange(10))
df1.columns = [10]

steps = np.linspace(10,1,10,dtype = int)

for i in steps:
    print(i)
    df[i-1] = df[i] - df1[i]
    df1[i-1] = df1[i] + df[i]

它完全应该做到的！

我对python知之甚少，我无法解释为什么

pd.DataFrame().apply()

不会使用自己的东西。

Answer 2

apply正在尝试沿您指定的轴应用函数。它可以是0（将函数应用于每列）或1（将函数应用于每一行）。默认情况下，它将函数应用于列。在你的第一个例子中：

for i in steps:
    print(i)
    df[i-1] = df[i].apply(lambda a: a-1)

由于您的for循环，每个列都会循环播放，而您的函数.apply会将整个列删除1。您可以将a视为整个列。它与以下内容完全相同：

for i in steps:
    print(i)
    df[i - 1] = df[i] - 1

您可以通过以下方式查看.apply。假设我有以下数据帧：

df = pd.DataFrame(np.random.rand(10,4))

df.sum()和df.apply(lambda a: np.sum(a))会产生完全相同的结果。这只是一个简单的例子，但如果需要，你可以做更强大的计算。

请注意.apply不是最快的方法，所以如果可以，请尽量避免使用。

apply有用的示例是，如果您定义了一个以some_fct()或int作为参数的函数float，并且您希望将其应用于数据框列的元素。

import pandas as pd
import numpy as np
import math

def some_fct(x):
    return math.sin(x) / x

np.random.seed(100)
df = pd.DataFrame(np.random.rand(10,2))

显然，some_fct(df[0])不起作用，因为函数将int或float作为参数。 df[0]是Series。但是，使用apply方法，您可以将函数应用于df[0]自身浮动的元素。

df[0].apply(lambda x: some_fct(x))

使用数据框在for循环中构造另一个

2 个答案: