如何在 Python Pandas 中对同一数据框中的两列执行操作？

Question

我正在尝试从名为'df' 的数据框中应用操作'x-y/y'，即x 列'Faturamento' 和y 列'Custo'，并将结果存储在名为@ 的新列中987654327@.

我尝试使用 apply 功能：

df['Roi'] = df.apply(lambda x, y: x['Faturamento']-y['Custo']/y['Custo'], axis=1)

正在返回：

TypeError: () 缺少 1 个必需的位置参数：'y'

我该怎么做？

Answer 1

您可以只使用带有简单算术等语法的列操作。 Pandas 会自动为你对齐索引，让你对每个操作逐行操作。

df['Roi'] = (df['Faturamento'] - df['Custo']) / df['Custo']

或

df['Roi'] = df['Faturamento'] / df['Custo'] - 1

这样，您可以享受经过优化以快速运行的 Pandas 的快速矢量化处理。如果在axis=1 上使用.apply() 和lambda 函数，这只是底层处理中的慢Python 循环，并且会很慢。

性能基准

测试 1. 小df 4 行

   Faturamento  Custo
0           50     20
1           10      5
2            5     15
3          100    400

%%timeit
df['Roi'] = df.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

721 µs ± 3.54 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
df['Roi'] = df['Faturamento'] / df['Custo'] - 1

490 µs ± 4.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

总结：.apply + lambda 采用 721 µs 而 Pandas 内置采用 490 µs：对于 .

测试 2。大 df 有 40000 行

df2 = pd.concat([df] * 10000, ignore_index=True)

%%timeit
df2['Roi'] = df2.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

639 ms ± 3.62 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
df2['Roi'] = df2['Faturamento'] / df2['Custo'] - 1

767 µs ± 12.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

总结：.apply + lambda 采用 639 ms (= 639,000 µs) 而 Pandas 内置采用 767 µs：对于 .

Answer 2

我想你的意思是：

df['Roi'] = df.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

x 指的是数据框