在python / pandas的多列中应用相似的功能

Question

问题：考虑到下面的数据框，我试图提供将一个函数应用于三个不同列的代码，而不必编写三个单独的函数调用。

数据代码：

import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
    'days': [365, 365, 213, 318, 71],
    'spend_30day': [22, 241.5, 0, 27321.05, 345],
    'spend_90day': [22, 451.55, 64.32, 27321.05, 566.54],
    'spend_365day': [854.56, 451.55, 211.65, 27321.05, 566.54]}

df = pd.DataFrame(data)
cols = df.columns.tolist()
cols = ['name', 'days', 'spend_30day', 'spend_90day', 'spend_365day']
df = df[cols]
df

以下功能实质上将支出年度化； 如果某人在“天数”列中少于365天，则以下功能将告诉我，如果他们有365天，支出将是多少：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

然后，我将该函数应用于特定的列：

df.spend_365day = df.apply(annualize_spend_365, axis=1).round(2)
df

这与我希望的那一栏完全一样。 但是，我不想为三个不同的“支出”列（30、90、365）中的每一个都重写它。 我希望能够编写将代码概括化并将此功能一次应用到多列的代码。

我以为可以创建各列及其各自日子的列表，使用“ zip”函数，然后将该函数嵌套在for循环中，但是我在下面的尝试最终失败了：

spend_cols = [df.spend_30day, df.spend_90day, df.spend_365day]
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    def annualize_spend(row):
        if (row.days/(float(day)) < 1:
            return (row.col)/((row.days)/float(day))
        else:
            return row.col
    col = df.apply(annualize_spend, axis = 1)

错误：

AttributeError: ("'Series' object has no attribute 'col'")

我不确定循环方法为什么会失败。 无论如何，我希望获得有关如何在熊猫中泛化函数应用程序的指导。 提前致谢！

Answer 1

查看您的两个函数定义：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

和

#col in [df.spend_30day, df.spend_90day, df.spend_365day]
def annualize_spend(row):
    if (row.days/(float(day)) < 1:
        return (row.col)/((row.days)/float(day))
    else:
        return row.col

看到不同？ 一方面，在第一种情况下，您使用显式字段名称访问字段，并且该字段有效。 在第二种情况下，您尝试访问row.col ，该操作失败，但是在这种情况下， col假定df相应字段的值 。 试一试

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']

在循环之前。 另一方面，在语法df.days ，字段名称实际上是“ days”，但是在df.col ，字段名称不是字符串“ col”，而是字符串col的值 。 因此，在后一种情况下，您可能还想使用row[col] 。 而且无论如何，我不确定在col循环中将col作为输出变量是多么明智。

---

我不熟悉pandas.DataFrame.apply ，但是可能可以使用单个函数定义，该函数将天数和感兴趣的字段作为输入变量：

def annualize_spend(col,day,row):
    if (row['days']/(float(day)) < 1:
        return (row[col])/((row['days'])/float(day))
    else:
        return row[col]

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    col = df.apply(lambda row,col=col,day=day: annualize_spend(col,day,row), axis = 1)

lambda将确保在apply d时，函数的只有一个输入参数自由悬挂。