Question

基本上，我试图使用用户定义的函数来计算每个数据帧中一行的值，并将其提供给新的ABCD列。

dfx = pd.DataFrame({'A': [1,2,3,4,5], 'B': [10,20,30,40,50], 'C': 
[5,5,5,5,5], 'D' : [2,2,2,2,2]})
print(df)


   A   B  C  D  E(Desired)
0  1  10  5  2
1  2  20  5  2
2  3  30  5  2
3  4  40  5  2
4  5  50  5  2

def functionx(A,B,C,D):
    print( A * B + C / D)



dfx['ABCD'] = functionX

我尝试使用functionX，但是它不起作用。我如何正确地将函数传递给每一行并产生结果的列E？

Answer 1

在DataFrame中添加具有基于其他列的值的新列

您可以通过直接在所需的元素列上执行所需的操作来实现：

import pandas as pd

dfx = pd.DataFrame({'A': [1,2,3,4,5], 'B': [10,20,30,40,50], 'C':
[5,5,5,5,5], 'D' : [2,2,2,2,2]})
print(dfx)

dfx['E'] =  dfx['A'] * dfx['B'] + dfx['C'] / dfx['D']
print(dfx)

输出：

   A   B  C  D      E
0  1  10  5  2   12.5
1  2  20  5  2   42.5
2  3  30  5  2   92.5
3  4  40  5  2  162.5
4  5  50  5  2  252.5

或者您可以使用DataFrame.apply()函数来完成此任务：

dfx['E'] = dfx.apply(lambda row: row.A * row.B + row.C / row.D, axis = 1)

注意：

沿DataFrame的轴（列或行）应用函数：

传递给函数的对象是Series对象，其索引为   DataFrame的索引（axis = 0）或DataFrame的列   （轴= 1）。默认情况下（result_type = None），最终的返回类型为   从应用函数的返回类型推断。否则   取决于result_type参数。

Answer 2

在pandas.DataFrame.apply上与axis=1一起使用拆包：

dfx['E'] = dfx.apply(lambda x: functionx(*x), 1)
print(dfx)

输出：

   A   B  C  D      E
0  1  10  5  2   12.5
1  2  20  5  2   42.5
2  3  30  5  2   92.5
3  4  40  5  2  162.5
4  5  50  5  2  252.5

将数据框中的每行功能添加到列表中

2 个答案: