pandas DataFrame，如何将函数应用于特定列？答案

【问题标题】：pandas DataFrame, how to apply function to a specific column?pandas DataFrame，如何将函数应用于特定列？
【发布时间】：2016-03-25 03:04:14
【问题描述】：

我已经阅读了DataFrame.apply的文档

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)¶ 沿 DataFrame 的输入轴应用函数。

那么，如何将函数应用于特定列？

In [1]: import pandas as pd
In [2]: data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
In [3]: df = pd.DataFrame(data)
In [4]: df
Out[4]: 
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9
In [5]: def addOne(v):
...:        v += 1
...:        return v
...: 
In [6]: df.apply(addOne, axis=1)
Out[6]: 
   A  B   C
0  2  5   8
1  3  6   9
2  4  7  10

我想将一个添加到df['A'] 中的每个值，而不是所有列。我怎么能用DataFrame.apply做到这一点。

感谢您的帮助！

【问题讨论】：

尽量避免使用apply。如果您不确定是否需要使用它，则可能不需要。我建议看看When should I ever want to use pandas apply() in my code?。
@coldspeed 这很好，很好的问题和深入的回答。

标签： python pandas

【解决方案1】：

答案是，

df['A'] = df['A'].map(addOne)

也许你会更好地了解the difference 中的map、applymap、apply。

但如果你坚持使用apply，你可以尝试如下。

def addOne(v):
    v['A'] += 1
    return v

df.apply(addOne, axis=1)

【讨论】：

can we apply same function at a time on both A and B.
@dondapati 当然，您可以简单地在 addOne 函数中添加 v['B'] += 1 。当axis = 1时，Pandas应用函数将每一行作为v。

【解决方案2】：

一种简单的方法是：

df['A'] = df['A'].apply(lambda x: x+1)

【讨论】：

我做了你的建议：df['A'] = df['A'].apply(lambda x: datetime.fromtimestamp(float(x)/1000.)) 我得到了：“试图在数据帧的切片副本上设置一个值。尝试使用 .loc[row_indexer,col_indexer] = value 代替。”有什么建议吗？
@Catarina Nogueira 尝试在最后添加 .copy() 例如应用(...).copy()

【解决方案3】：

对于正在寻找允许管道的解决方案的其他人：

identity = lambda x: x

def transform_columns(df, mapper):
    return df.transform(
        {
            **{
                column: identity
                for column in df.columns
            },
            **mapper
        }
    )

# you can monkey-patch it on the pandas DataFrame (but don't have to, see below)
pd.DataFrame.transform_columns = transform_columns

(
    pd.DataFrame(data)
    .rename(columns={'A': 'A1'})   # just to demonstrate the motivation
    .transform_columns({'A1': add_one})
)

这也允许：

pd.DataFrame(data).transform_columns({
    'A': add_one,
    'B': add_two,
})

如果您不想对 DataFrame 进行猴子补丁，您可以随时将其与 pipe 一起使用：

pd.DataFrame(data).pipe(transform_columns, {'A': add_one})

如果熊猫天真地支持这将是很棒的。

上面的sn-ps是CC0。

【讨论】：

【解决方案4】：

你可以使用 .apply() 和 lambda 函数来解决这类问题。

考虑一下，您的数据框是这样的，

A | B | C
----------
1 | 4 | 7
2 | 5 | 8
3 | 6 | 9

您要应用的功能：

def addOne(v):
v += 1
return v

所以如果你这样写代码，

df['A'] = df.apply(lambda x: addOne(x.A), axis=1)

你会得到：

A | B | C
----------
2 | 4 | 7
3 | 5 | 8
4 | 6 | 9

【讨论】：