我对熊猫很陌生,对此很陌生,特别是与列表和使用列表解析相比。Python Pandas:基于其他列添加列
我有一个有4列的数据框。我想根据第4列“m”创建第5列“c”。我可以通过为列“m”中的每一行应用我的函数来获得“c”的值。
如果“M”是一个列表,并使用列表理解这将是
c = [myfunction(x) for x in m]
我怎么申请这一“逻辑”的数据帧?
我对熊猫很陌生,对此很陌生,特别是与列表和使用列表解析相比。Python Pandas:基于其他列添加列
我有一个有4列的数据框。我想根据第4列“m”创建第5列“c”。我可以通过为列“m”中的每一行应用我的函数来获得“c”的值。
如果“M”是一个列表,并使用列表理解这将是
c = [myfunction(x) for x in m]
我怎么申请这一“逻辑”的数据帧?
您可以assign
- 样品从doc
:
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': range(1, 11), 'B': np.random.randn(10)})
print df
A B
0 1 0.769028
1 2 -0.392471
2 3 0.153051
3 4 -0.379848
4 5 -0.665426
5 6 0.880684
6 7 1.126381
7 8 -0.559828
8 9 0.862935
9 10 -0.909402
df = df.assign(ln_A = lambda x: np.log(x.A))
print df
A B ln_A
0 1 0.769028 0.000000
1 2 -0.392471 0.693147
2 3 0.153051 1.098612
3 4 -0.379848 1.386294
4 5 -0.665426 1.609438
5 6 0.880684 1.791759
6 7 1.126381 1.945910
7 8 -0.559828 2.079442
8 9 0.862935 2.197225
9 10 -0.909402 2.302585
有时lambda
功能是有帮助的:
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': range(1, 11), 'B': np.random.randn(10)})
df['ln_A'] = df['A'].apply(np.log)
df['round'] = df['B'].apply(lambda x: np.round(x, 2))
print df
A B ln_A round
0 1 -0.982828 0.000000 -0.98
1 2 2.306111 0.693147 2.31
2 3 0.967858 1.098612 0.97
3 4 -0.286280 1.386294 -0.29
4 5 -2.026937 1.609438 -2.03
5 6 0.061735 1.791759 0.06
6 7 -0.506620 1.945910 -0.51
7 8 -0.309438 2.079442 -0.31
8 9 -1.261842 2.197225 -1.26
9 10 1.079921 2.302585 1.08
由于熊猫是在numpy的顶部。您可以轻松地将功能应用于numpy.array。以下示例可能会有所帮助。您可以将列表(或列)转移到numpy.array,然后进行矢量计算。
import numpy as np
import pandas as pd
data = pd.DataFrame([[1,2],[3,4]],columns=['a','b'])
def square(x):
return x ** 2
data['c'] = square(np.array(data.a))
我觉得比较好用的是data ['c'] = data ['a']。apply(square)' – jezrael
试试这个:** DF [ 'C'] = DF [ 'M']申请(myfunction的)** –
如果你确实需要应用功能分别到每一行,它将是'df ['c'] = df ['m'] .map(myfunction)'。但通常情况下这并不是最好的方法,因为它不利用熊猫的矢量化操作,因为大量操作可以很快地应用到整个列中。如果您可以在帖子中包含更多详细信息,人们可以让您知道实现此目标的最佳方式。 – Marius