Python/pandas - 使用DataFrame.apply和函数返回字典

Question

我知道如何在数据框上使用apply函数来计算新列并将它们附加到数据框。我的问题是，如果我有一个函数，它将几个值（对应于当前在数据框中的列）作为参数并返回一个字典（对应于我想添加到数据框的列），是否有简单/优雅的方式将此函数应用于数据框并生成新列？

例如，目前我在做这个：

import pandas as pd 
import numpy as np 

col1 = [np.random.randn()] * 10 
col2 = [np.random.randn()] * 10 
col3 = [np.random.randn()] * 10 

df = pd.DataFrame({'col1': col1, 
        'col2': col2, 
        'col3': col3 }) 

df['col4'] = df.apply(lambda x: get_col4(x['col1'], x['col2']), axis=1) 
df['col5'] = df.apply(lambda x: get_col5(x['col1'], x['col2'], x['col3']), 
axis=1) 
df['col6'] = df.apply(lambda x: get_col6(x['col3'], x['col4'], x['col5']), 
axis=1) 
df['col7'] = df.apply(lambda x: get_col7(x['col4'], x['col6']), axis=1) 

，我为每个计算列单独的功能，其中的每一个依赖于以前的专栏的某种组合。

不过，由于计算列的值是互相依赖的，我认为这将是更有效和优雅的使用功能，像下面这样一次全部计算新列：

def get_cols(col1, col2, col3): 
    #some calculations... 
    return {'col4': col4, 
      'col5': col5, 
      'col6': col6, 
      'col7': col7} 

有没有办法使用熊猫来做到这一点？

Answer 1

这可以帮助你：pandas apply function that returns multiple values to rows in pandas dataframe

正确的方法是用你的第二个功能“get_cols”返回一个列表，而不是一本字典，然后使用申请。

Answer 2

由于您希望保留以前的列，您可以在新列中创建一个系列，然后将该新系列对象附加到原始系列。请记住，get_cols的输入是来自原始DataFrame的个人行（因此是系列）。

import pandas as pd 
import numpy as np 

def get_cols(cols): 
    col4 = cols[0] * 2 
    col5 = cols[1] * 2 
    col6 = cols[2] * 2 
    return cols.append(pd.Series([col4, col5, col6], index=['col4', 'col5', 'col6'])) 

col1 = [np.random.randn()] * 10 
col2 = [np.random.randn()] * 10 
col3 = [np.random.randn()] * 10 

df = pd.DataFrame({'col1': col1, 
        'col2': col2, 
        'col3': col3 }) 

df = df.apply(get_cols, axis=1) 
print(df) 

     col1  col2  col3  col4  col5  col6 
0 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
1 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
2 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
3 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
4 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
5 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
6 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
7 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
8 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122 
9 -0.809803 0.522547 0.064061 -1.619606 1.045093 0.128122