应用具有多个参数的函数来创建新的 Pandas 列

问题描述：

pandas我想通过将函数应用于两个现有列来在数据框中创建新列。按照此答案，当我只需要一列作为参数时，我就可以创建新列：

import pandas as pd
df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

def fx(x):
    return x * x

print(df)
df['newcolumn'] = df.A.apply(fx)
print(df)

但是，当函数需要多个参数时，我不知道该怎么做。例如，如何通过将 A 列和 B 列传递给下面的函数来创建新列？

def fxy(x, y):
    return x * y

解决方案 1：

如果您可以重写函数，则可以参考@greenAfrican 示例。但是，如果您不想重写函数，则可以将其包装到 apply 中的匿名函数中，如下所示：

>>> def fxy(x, y):
...     return x * y

>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)
>>> df
    A   B  newcolumn
0  10  20        200
1  20  30        600
2  30  10        300

解决方案 2：

或者，您可以使用 numpy 底层函数：

>>> import numpy as np
>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df['new_column'] = np.multiply(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

或者在一般情况下对任意函数进行矢量化：

>>> def fx(x, y):
...     return x*y
...
>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

解决方案 3：

这解决了这个问题：

df['newcolumn'] = df.A * df.B

您还可以这样做：

def fab(row):
  return row['A'] * row['B']

df['newcolumn'] = df.apply(fab, axis=1)

解决方案 4：

如果需要一次创建多个列：

1. 创建数据框：

import pandas as pd
df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

1. 创建函数：

def fab(row):                                                  
    return row['A'] * row['B'], row['A'] + row['B']

1. 分配新列：

df['newcolumn'], df['newcolumn2'] = zip(*df.apply(fab, axis=1))

解决方案 5：

再来一个字典风格的简洁语法：

df["new_column"] = df.apply(lambda x: x["A"] * x["B"], axis = 1)

或者，

df["new_column"] = df["A"] * df["B"]

解决方案 6：

这将动态地为您提供所需的结果。即使您有两个以上的参数，它也能正常工作。

df['anothercolumn'] = df[['A', 'B']].apply(lambda x: fxy(*x), axis=1)
print(df)


    A   B  newcolumn  anothercolumn
0  10  20        100            200
1  20  30        400            600
2  30  10        900            300

解决方案 7：

答案主要集中在以数据框的列作为输入的函数上。更一般地说，如果你想.apply在具有多个参数的函数上使用 pandas，其中一些参数可能不是列，那么你可以在.apply()调用中将它们指定为关键字参数：

def fxy(x, y):
    return x * y

df['newcolumn'] = df.A.apply(fxy, y=df.B)
df['newcolumn1'] = df.A.apply(fxy, y=4)