Question

在使用Pandas时，我经常会遇到一个现有函数，它接受多个参数并返回多个值：

def foo(val_a, val_b):
    """
    Some example function that takes in and returns multiple values.
    Can be a lot more complex.
    """
    sm = val_a + val_b
    sb = val_a - val_b
    mt = val_a * val_b
    dv = val_a / val_b
    return sm, sb, mt, dv

假设我有一个数据帧：

import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4], [5, 6], [7, 8]])
df
Out[6]: 
   0  1
0  1  2
1  3  4
2  5  6
3  7  8

我想要的是在foo上将{0}和第0列作为参数应用df，并将结果放入df的新列，而不修改{{1像这样：：

foo

实现这一目标的最佳方式是什么？

Answer 1

>>> pd.concat([df, df.from_records(foo(df[0], df[1])).T], axis=1)
   0  1     0    1     2         3
0  1  2   3.0 -1.0   2.0  0.500000
1  3  4   7.0 -1.0  12.0  0.750000
2  5  6  11.0 -1.0  30.0  0.833333
3  7  8  15.0 -1.0  56.0  0.875000

速度：每循环1.13 ms

如果您关心速度，这优于使用apply并提供您想要的输出。

>>> pd.concat([df, df.from_records(np.vectorize(foo)(df[0], df[1])).T], axis=1)

速度：每循环728μs

Answer 2

#apply function foo and generate a DF using return values and then merge into existing DF.
merged = pd.merge(df,df.apply(lambda x: pd.Series(foo(x[0],x[1])),axis=1),left_index=True,right_index=True)
#change column names.
merged.columns=[0,1,'sm','sb','mt','dv']

merged
Out[1478]: 
   0  1    sm   sb    mt        dv
0  1  2   3.0 -1.0   2.0  0.500000
1  3  4   7.0 -1.0  12.0  0.750000
2  5  6  11.0 -1.0  30.0  0.833333
3  7  8  15.0 -1.0  56.0  0.875000

Answer 3

您可以使用apply + DataFrame构造函数：

cols = ['sm','sb','mt','dv']
df[cols] = pd.DataFrame(df.apply(lambda x: foo(x[0], x[1]), 1).values.tolist(),columns= cols)
print (df)
   0  1  sm  sb  mt        dv
0  1  2   3  -1   2  0.500000
1  3  4   7  -1  12  0.750000
2  5  6  11  -1  30  0.833333
3  7  8  15  -1  56  0.875000

concat

的解决方案

cols = ['sm','sb','mt','dv']
df[cols] = pd.concat(foo(df[0], df[1]), axis=1, keys=cols)
print (df)
   0  1  sm  sb  mt        dv
0  1  2   3  -1   2  0.500000
1  3  4   7  -1  12  0.750000
2  5  6  11  -1  30  0.833333
3  7  8  15  -1  56  0.875000

也可以创建新的DataFrame，然后创建concat原始文件：

cols = ['sm','sb','mt','dv']
df1 = pd.concat(foo(df[0], df[1]), axis=1, keys=cols)
print (df1)
   sm  sb  mt        dv
0   3  -1   2  0.500000
1   7  -1  12  0.750000
2  11  -1  30  0.833333
3  15  -1  56  0.875000

df = pd.concat([df, df1], axis=1)
print (df)
   0  1  sm  sb  mt        dv
0  1  2   3  -1   2  0.500000
1  3  4   7  -1  12  0.750000
2  5  6  11  -1  30  0.833333
3  7  8  15  -1  56  0.875000

应用函数和返回多列的最pythonic方法是什么？

3 个答案: