如何将自定义函数应用于每行的pandas数据框

Question

我想应用自定义函数并创建一个名为population2050的派生列，该列基于我的数据框中已存在的两列。

import pandas as pd
import sqlite3
conn = sqlite3.connect('factbook.db')
query = "select * from facts where area_land =0;"
facts = pd.read_sql_query(query,conn)
print(list(facts.columns.values))

def final_pop(initial_pop,growth_rate):
    final = initial_pop*math.e**(growth_rate*35)
    return(final)

facts['pop2050'] = facts['population','population_growth'].apply(final_pop,axis=1)

当我运行上面的代码时，我收到一个错误。 我没有正确使用'apply'功能吗？

Answer 1

Apply将沿着整个行传递，轴= 1。 假设您的两列名为initial_pop和growth_rate ，请growth_rate

def final_pop(row):
    return row.initial_pop*math.e**(row.growth_rate*35)

Answer 2

你几乎在那里：

facts['pop2050'] = facts.apply(lambda row: final_pop(row['population'],row['population_growth']),axis=1)

使用lambda允许您保留函数中列出的特定（有趣）参数，而不是将它们捆绑在“行”中。

Answer 3

无需DataFrame.apply()即可获得相同的结果。 Pandas系列（或数据帧列）可以用作NumPy函数的直接参数，甚至是内置的Python运算符，它们是按元素应用的。 在您的情况下，它就像以下一样简单：

import numpy as np

facts['pop2050'] = facts['population'] * np.exp(35 * facts['population_growth'])

这会将列population_growth中的每个元素相乘，将numpy的exp()函数应用于该新列（ 35 * population_growth ），然后将结果与population一起添加。

Answer 4

你的功能，

def function(x):
  // your operation
  return x

把你的职能称为，

df['column']=df['column'].apply(function)