遍历pandas数据帧中的每一行，并将所有行值乘以同一数据帧中的行值之一

Question

我试图规范化数据框中的行值。 需要标准化的值在其列标题中包含文本“ Count”。 还有其他一些列的标题中没有单词“ Count”，我希望它们保持不变。 我在名为“规范化值”的列中有一个规范化值。

因此，在逐行迭代中，需要将每行的规范化值乘以属于其标题包含单词“ count”的列的每个值。 该数据框具有我要保留的多索引，并且有很多列和行，因此我需要在不指定确切位置或名称的情况下执行此操作。

无济于事，我尝试了乘法，广播，迭代，用户定义函数的变体。

这是我的示例数据框：

Sample Timepoint CountA CountB PercentA PercentB CountC Normalization Value
1           1       10     20     40       30       50        .1
2           1       20     10     25       35       100       .2
2           2       50     20     20       22       40        .5

这是我希望数据计数归一化后的样子：

Sample Timepoint CountA CountB PercentA PercentB CountC Normalization Value
1           1       1     2     40       30       5        .1
2           1       4     2     25       35       20       .2
2           2       25    10    20       22       20       .5

Answer 1

您可以使用str.contains ，然后使用.loc分配mul结果，这也是因为您需要将其分配回来，而filter将会失败

s=df.columns.str.contains('Count')
df.loc[:,s]=df.loc[:,s].mul(df['Normalization Value'],0)
df
Out[238]: 
   Sample  Timepoint         ...          CountC Normalization Value
0       1          1         ...             5.0                 0.1
1       2          1         ...            20.0                 0.2
2       2          2         ...            20.0                 0.5
[3 rows x 8 columns]

Answer 2

您需要使用带有regex .filter()过滤列，然后对其进行修改，然后使用.loc将其放回主数据.loc 。

df.loc[:, df.filter(regex='Count*', axis=1).columns] = df.loc[:, df.filter(regex='Count*', axis=1).columns].multiply(df['Normalization'], axis='index')

输出：

      Sample  Timepoint  CountA  CountB  PercentA  PercentB  CountC  Normalization
0       1          1     1.0     2.0        40        30     5.0            0.1
1       2          1     4.0     2.0        25        35    20.0            0.2
2       2          2    25.0    10.0        20        22    20.0            0.5