如何在 Pandas 数据框的两列上应用函数？

在 Pandas 数据框的两列上应用函数

问题：

让我们想象一下一个常见的场景，你需要将一个函数应用于 Pandas 数据框中的两列，逐元素计算一个新列。例如，考虑一个数据框 df：

df = pd.DataFrame({'ID': ['1', '2', '3'],
                   'col_1': [0, 2, 3],
                   'col_2': [1, 4, 5]})

现在，我们想创建一个新列 'col_3'，该列应用于 'col_1' 和 'col_2' 的函数 get_sublist(start, end)，其中 start 和 end 分别是 'col_1' 和 'col_2' 的值。

尝试的解决方案：

我们的第一反应可能是：

df['col_3'] = df[['col_1', 'col_2']].apply(get_sublist, axis=1)

然而，这会抛出一个错误，因为 get_sublist 函数需要两个参数，而我们只传递了一个。

向量化解决方案：

为了解决这个问题，我们需要对函数进行向量化处理，以便它可以接受 Pandas 行对象并自动提取适当的列值。我们可以创建一个新的函数 get_sublist_vectorized：

def get_sublist_vectorized(row):
    col1 = row['col_1']
    col2 = row['col_2']
    return get_sublist(col1, col2)

现在，我们可以应用这个向量化函数：

df['col_3'] = df[['col_1', 'col_2']].apply(get_sublist_vectorized, axis=1)

结果：

应用向量化函数后，df 将包含新列 'col_3'：

  ID  col_1  col_2            col_3
0  1      0      1       ['a', 'b']
1  2      2      4  ['c', 'd', 'e']
2  3      3      5  ['d', 'e', 'f']

总结：

将函数应用于 Pandas 数据框的两列需要使用向量化函数。通过将函数重写为 get_sublist_vectorized，我们可以将 get_sublist 应用于每一行，从而创建新列 'col_3'，该列包含基于 'col_1' 和 'col_2' 值的子列表。

常见问题解答：

1. 什么是向量化函数？

向量化函数是接受 Pandas 行对象作为输入并自动提取适当列值的函数。这使得将函数应用于大量数据更加高效。

2. 为什么需要向量化函数？

如果我们尝试将非向量化函数应用于 Pandas 数据框，我们会遇到错误，因为该函数需要明确指定参数。

3. 如何创建向量化函数？

要创建向量化函数，请使用 lambda 表达式或定义一个单独的函数，其中将 Pandas 行对象作为第一个参数。

4. 如何应用向量化函数？

使用 apply() 方法将向量化函数应用于 Pandas 数据框。该方法将函数逐行应用于数据框，创建新列或修改现有列。

5. 我可以将向量化函数应用于多个列吗？

是的，你可以使用 apply() 方法将向量化函数应用于多个列，方法是将列名作为列表传递给该方法。