将apply（）函数应用于熊猫中的多个列？

Question

我曾经在这样的数据框中“组合”一列：

       combined

 0   0.97,0.92,0.65,0.24,0.15,0.19   
 1   0.96,0.86,0.69,0.38,0.56,0.78   
 2   0.64,0.69,0.93,0.07,0.73,0.05
 3   0.29,0.56,0.35,0.76,0.19,0.07

所以当我尝试应用一个numpy函数frequency_changer()时，我只需要这样做：

def frequency_changer(y):
    x_val_30 = [] 
    for i in range(0, len(y), 4):
        x_val_30.append(i)


    x_val = [] 
    for i in range(len(y)):  
        x_val.append(i)
    y_val = y
    cs = CubicSpline(x_val, y_val)
    x2 = cs(x_val_30)
    return x2


df['combined']=df['combined'].apply(frequency_changer)

现在，我的新数据框有很多列，每列都有一个值。

df_new

      0      1       2       3       4       5  
0   0.97    0.92    0.65    0.24    0.15    0.19    
1   0.96    0.86    0.69    0.38    0.56    0.78    
2   0.64    0.69    0.93    0.07    0.73    0.05
3   0.29    0.56    0.35    0.76    0.19    0.07

我应用了相同的功能，它不再起作用了。在新的数据框中，相同的函数减少了总行数。 （我想要一个适用于每行长度的函数）。 我该如何解决？谢谢！

Answer 1

尝试使用以下内容。这应该会为您提供与在 combined 列上运行上述函数所获得的相同输出。

def frequency_changer(y):
    x_val_30 = [] 
    for i in range(0, len(y), 4):
        x_val_30.append(i)


    x_val = [] 
    for i in range(len(y)):  
        x_val.append(i)
    y_val = y
    cs = CubicSpline(x_val, y_val)
    x2 = cs(x_val_30)
    return x2


#Original df
df['combined'].apply(frequency_changer)

0    [0.97, 0.15]
1    [0.96, 0.56]
2    [0.64, 0.73]
3    [0.29, 0.19]
Name: combined, dtype: object

#For new df
new_out = new_df.T.apply(frequency_changer).T  #<------
print(new_out)

      0     1
0  0.97  0.15
1  0.96  0.56
2  0.64  0.73
3  0.29  0.19

如果您想将 2 列合并到一个列表中，就像您的函数对前一个 df 的行为一样，那么只需使用 new_out.values.tolist() 并将其存储在新数据框或新列中。