目录

我们可以用DataFrame的apply函数实现对多列，多行的操作。

需要记住的是，参数axis设为1是对列进行操作，参数axis设为0是对行操作。默认是对行操作。

(资料图片仅供参考)

apply 返回多列

# height = [70, 90, 100, 120, 140, 160, 180, 200，220，240， 260] # 长度为 11
# df.shape   (1000, 11)
# 对df的每一行的每一个元素操作，然后再返回多列
#----------返回多列-----------------
df = df.apply(lambda x: pd.Series([math.atan(i[0]/(i[1])*180/math.pi for i in zip(height, x)]).astype(float), axis=1)
.rename(columns=dict(zip(list(range(0, 11)), df.columns)))

#df["slope"] = df_10min.apply(lambda x: math.atan(210 / (x["ws_260"] - x["ws_50"] + 1e-7))*180/math.pi, axis=1)

import pandas as pd
df_tmp = pd.DataFrame([
    {"a":"data1", "cnt":100},{"a":"data2", "cnt":200},
])

df_tmp
a    cnt
data1    100
data2    200

方法一：使用apply 的参数result_type 来处理
def formatrow(row):
    a = row["a"] + str(row["cnt"])
    b = str(row["cnt"]) + row["a"]
    return a, b 
 
df_tmp[["fomat1", "format2"]] = df_tmp.apply(formatrow, axis=1, result_type="expand")
df_tmp
a    cnt    fomat1    format2
data1    100    data1100    100data1
data2    200    data2200    200data2

方法一：使用zip打包返回结果来处理
df_tmp["fomat1-1"], df_tmp["format2-2"] = zip(*df_tmp.apply(formatrow, axis=1))
df_tmp
a    cnt    fomat1    format2    fomat1-1    format2-2
data1    100    data1100    100data1    data1100    100data1
data2    200    data2200    200data2    data2200    200data2

生成新列

现在有如下一个DataFrame：

np.random.seed(1)
df = pd.DataFrame(np.random.randn(4,2), columns=["A", "B"])
df
>>>
       A    B
0    1.624345    -0.611756
1    -0.528172    -1.072969
2    0.865408    -2.301539
3    1.744812    -0.761207

对A, B两列操作，生成C列, 其中C是字符串，由A ± B组成。下面看一下结果就明白了。

df["C"] = df.apply(lambda x: "{:.2f}±{:.2f}".format(x["A"], x["B"]), axis=1)

看一下效果

A B C
0 1.624345 -0.611756 1.62±-0.61
1 -0.528172 -1.072969 -0.53±-1.07
2 0.865408 -2.301539 0.87±-2.30
3 1.744812 -0.761207 1.74±-0.76

多行操作举例

同理可以作用在多行上。

# 对第 10 行进行操作，基于第2、3两行
df.loc[10] = df.apply(lambda x: "{:.2f}±{:.2f}".format(x[2], x[3]) )

看一下实现的效果

A B
0 1.624345 -0.611756
1 -0.528172 -1.072969
2 0.865408 -2.301539
3 1.744812 -0.761207
10 0.87±1.74 -2.30±-0.76

参考链接

[1] pandas的DataFrame使用apply实现对多列，多行操作 2021.12
[2] pandas 的apply返回多列，并赋值 2020.4

到此这篇关于python中pandas操作apply返回多列的实现的文章就介绍到这了,更多相关pandas apply返回多列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 希望大家 函数实现 相关文章 需要记住