Python Pandas中apply函数返回多列与多行操作的实现详解
本文详解Python Pandas中DataFrame.apply函数的多列与多行操作技巧。重点解析axis=1对列操作与axis=0对行操作的差异，演示如何通过result_type="expand"或zip打包实现单行生成多列，以及跨行计算新数据的方法。
利用DataFrame的apply函数，可以灵活地对数据框中的多列或多行执行自定义操作。
使用时需明确axis参数的含义：设置axis=1表示按列方向进行操作（即逐行处理数据），而axis=0则表示按行方向操作（即逐列处理数据）。默认情况下，axis的值为0，即默认执行行操作。
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
假设当前存在如下一个DataFrame数据结构：
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
接下来演示如何对A、B两列数据进行联合运算，从而生成新的C列。其中C列的内容为字符串格式，由A列与B列的数值通过特定符号组合而成。具体实现效果如下所示。
df['C'] = df.apply(lambda x: '{:.2f}±{:.2f}'.format(x['A'], x['B']), axis=1)
观察运行结果
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
同样的逻辑也可以应用于多行数据的处理场景中。
# 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]) )
查看具体的实现效果
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
至此，关于Python中Pandas使用apply函数返回多列的操作介绍完毕。如需了解更多关于Pandas apply返回多列的相关内容，建议查阅本站过往文章或继续浏览后续推荐内容。感谢大家的支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
