如何使用熊猫应用功能创建多个列

Question

假设我有以下 pandas 数据框，其中 n 列的名称从 u0 到 u(n-1)（在本例中为 n=3）。

import pandas as pd

df = pd.DataFrame(np.random.randn(5,3), columns=["u0","u1","u2"])
print(df)
         u0        u1        u2
0 -0.254454 -0.227589 -0.208454
1 -0.071567 -2.878662 -0.094863
2 -0.100024 -2.295788 -0.103415
3  0.091116 -0.143777  0.874170
4 -1.398530 -1.248449 -0.707336

现在我想计算 n 个名为 pn 的新列，其中每个单元格中的值除以行的总和。 cell(0,0) 的示例是 p(0,0) = u(0,0) / (u(0,0) + u(0,1) + u(0,2))

目前我正在通过将函数 p 应用于每一行来做到这一点。返回值是一个新的数据框，我在其中重命名列并最终合并两个数据框。

def p(row):
    u = row.loc["u0":"u2"]
    return u / u.sum()

df2 = df.apply(p, axis=1)
df2.columns = ["p0","p1","p2"]
df = pd.concat([df, df2], axis=1)

print(df)

         u0        u1        u2         p0          p1          p2
0 -0.254454 -0.227589 -0.208454 0.36850848 0.329601722 0.301889798
1 -0.071567 -2.878662 -0.094863 0.02350241 0.945344837 0.031152753
...

我不确定这是否是 pythonic 方式以及是否足够快。稍后我将有数千行和大约 100 列（但此值不是固定的，如本示例代码所示）。

非常感谢您的任何想法、cmets 或建议？

Answer 1

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(5,3), columns=["u0","u1","u2"])

# Do the calculation on all rows in one step, then rename the columns
df_1 = df.div(df.sum(axis=1).values.reshape(-1, 1), axis=1)
df_1.columns = df_1.columns.str.replace('u', 'p')

df = df.join(df_1)

输出：

df
Out[37]: 
         u0        u1        u2
0 -0.899546 -0.069913 -0.668208
1  0.554489 -2.039013 -0.823227
2 -1.338628  0.668411  0.170418
3 -0.616199  0.738712 -0.471407
4 -0.559914  0.856356  0.178957

df_1
Out[39]: 
         p0        p1        p2
0  0.549285  0.042690  0.408024
1 -0.240272  0.883550  0.356723
2  2.678337 -1.337362 -0.340974
3  1.766148 -2.117293  1.351145
4 -1.177774  1.801339  0.376435

df
Out[41]: 
         u0        u1        u2        p0        p1        p2
0 -0.899546 -0.069913 -0.668208  0.549285  0.042690  0.408024
1  0.554489 -2.039013 -0.823227 -0.240272  0.883550  0.356723
2 -1.338628  0.668411  0.170418  2.678337 -1.337362 -0.340974
3 -0.616199  0.738712 -0.471407  1.766148 -2.117293  1.351145
4 -0.559914  0.856356  0.178957 -1.177774  1.801339  0.376435