Skip to main content
 首页 » 编程设计

python之使 df.apply 成为索引和列函数的最佳方法

2025年04月02日36www_RR

我希望将单个函数按元素应用于 DataFrame。我还希望此函数将当前列和索引作为参数。

例如:

In [1]: import numpy as np 
 
In [2]: import pandas as pd 
 
In [3]: df = pd.DataFrame(np.arange(4).reshape(2, 2), index=['a', 'b'], columns=['c', 'd']) 
 
In [4]: df.head() 
Out[4]:  
   c  d 
a  0  1 
b  2  3 

现在我想要如下内容:

f = lambda x: foo(x, x.index_value, x.column_name) 
df.apply(f) 

在我的特定用例中,我有额外的数据结构/函数以这些值为键。到目前为止,我尝试过的所有内容都至少丢失了一个级别的信息。

这是一个例子foo():

def foo(x, idx, col): 
    # get data 
    a = a_data.loc[idx, col] 
    b = b_data.loc[idx, col] 
    return a * x + b 

例如,我可以使用 apply 和 x.name 提取列名或索引名,但不能同时使用 -- 和 applymap仅将标量值传递给函数。

这是迄今为止我所做的最好的尝试。它很慢(而且不是很优雅),我会喜欢其他建议:

In [4]: import itertools 
 
In [5]: newdf = df.copy() 
 
In [6]: for idx, col in itertools.product(df.index.values, df.columns): 
   ...:     newdf.loc[idx, col] = f(df.loc[idx, col], idx, col) 
   ...:      

请您参考如下方法:

一个想法是使用数据框的at 方法。 loc 也可以,但会慢一点。

foo = dict(a=1, b=2) 
bar = dict(c=3, d=4) 
 
for i in df.index: 
    for j in df.columns: 
        df.at[i, j] += foo[i] + bar[j]