Python：将代码应用于整个数据框列答案

【问题标题】：Python: Apply code to an entire dataframe columnPython：将代码应用于整个数据框列
【发布时间】：2019-03-03 17:19:15
【问题描述】：

我在一个填充了值的数据框中有一列 col1。

                                col1                
row1      [0.0, 6.33839991, 3.93961207, 5.27702178, 8.27702178, 6.44343, 5.668574]             
row2      [0.0, 5.93961207, 4.27702178, 4.12702178]
row3      [0.0, 6.44428501, 3.93961207, 8.27702178, 4.27121178]

每一行包含一个系列。我需要一个新列，比如 col2，它返回一个新系列。该系列从 0 开始，每次递增 100，直到该系列与原始系列的长度匹配。

预期输出

                            col1                               col2          
row1      [0.0, 6.3, 3.93, 5.27, 8.2, 6.4, 5.6]             [0,100,200,300,400,500,600]                       
row2      [0.0, 5.9, 4.2, 4.1]                              [0,100,200,300]
row3      [0.0, 6.4, 3.9, 8.2, 4.2]                         [0,100,200,300,400]

谢谢！

【问题讨论】：

Lambda 不能包含分配
您可以发布数据框吗？和期望值？它混淆了你想要什么并基于什么
我已经更新了我的问题。我希望这很清楚！
您的列表中有哪些重复项？
重复并不重要。我只需要列表的总长度

标签： python pandas numpy dataframe

【解决方案1】：

试试：

def func(x):
    x['col2'] = np.arange(0, len(x['col1'])*100, 100)
    return x
df.apply(lambda x: func(x) , axis=1)

【讨论】：

我编辑了代码以提高我想要做的事情的清晰度
这段代码并没有解决我的问题，只是为了清楚
这也是我的解决方案，它得到了所需的解决方案。不过，我把它浓缩成一条线：df['col2'] = df['col1'].apply(lambda x : np.arange(0, len(x)*100, 100))
如果您觉得可以，请您将此标记为解决方案吗？

【解决方案2】：

我的建议是：

df['col2'] = df.col1.transform(lambda x: [ i * 100 for i in range(len(x))])

【讨论】：

【解决方案3】：

如果你想要基于每个唯一字符串（分解）的乘法，试试这个，对于列表的重复元素，这将返回重复的结果：

df['col2']=df.col1.transform(lambda x: pd.factorize(x)[0]*100)

或@jezrael 的建议：

df.col1.apply(lambda x: np.arange(len(x))*100)


print(df)

                                                   col1  \
row1  [0.0, 6.33839991, 3.93961207, 5.27702178, 8.27...   
row2          [0.0, 5.93961207, 4.27702178, 4.12702178]   
row3  [0.0, 6.44428501, 3.93961207, 8.27702178, 4.27...   

                                   col2  
row1  [0, 100, 200, 300, 400, 500, 600]  
row2                 [0, 100, 200, 300]  
row3            [0, 100, 200, 300, 400]

【讨论】：