[英]Loop through columns in Pandas dataframe
我有一个熊猫数据框,想遍历所有列并执行一些数学函数。 但是,无法获得所需的结果。以下是我的 3 列示例数据框。
mydf=pd.DataFrame({'ID1':[9,3,7,5], 'ID2':[15,10,3,8],'ID3':[20,14,10,2]})
mydf
ID1 ID2 ID3
0 9 15 20
1 3 10 14
2 7 3 10
3 5 8 2
下面是我需要为所有列做的事情,它完美地工作。 但是,这只是示例玩具数据集,我的实际数据框中有 500 多列,我正在尝试遍历所有列,但没有给出所需的结果。
tmp_df=mydf.copy()
tmp_df['ID1']=np.log(mydf.iloc[:,0]).diff(1)
tmp_df['ID2']=np.log(mydf.iloc[:,1]).diff(1)
tmp_df['ID3']=np.log(mydf.iloc[:,2]).diff(1)
tmp_df
ID1 ID2 ID3
0 NaN NaN NaN
1 -1.098612 -0.405465 -0.356675
2 0.847298 -1.203973 -0.336472
3 -0.336472 0.980829 -1.609438
基本上,我需要使用循环作为上述结果
我有 500 列要做
我试过如下:
for (i,j) in tmp_df.iteritems():
#tmp_df['j']=np.log(mydf.iloc[:,0]).diff(1)
j=np.log(mydf.iloc[:,0]).diff(1)
print('Column:',i)
print('Values:',j.values)
但是,这个循环给出了列表中的值,也没有按照我的需要迭代所有列。 我认为这可以很容易地完成,但是,我无法让它发挥作用。 感谢有人可以帮助我以有效的方式处理所有 500 列
使用任何循环逻辑的预期结果
ID1 ID2 ID3
0 NaN NaN NaN
1 -1.098612 -0.405465 -0.356675
2 0.847298 -1.203973 -0.336472
3 -0.336472 0.980829 -1.609438
一种方法是使用apply
,无需迭代行
In [48]: mydf=pd.DataFrame({'ID1':[9,3,7,5], 'ID2':[15,10,3,8],'ID3':[20,14,10,2]})
In [49]: mydf.apply(lambda x: np.log(x).diff(1), axis='rows')
Out[49]:
ID1 ID2 ID3
0 NaN NaN NaN
1 -1.098612 -0.405465 -0.356675
2 0.847298 -1.203973 -0.336472
3 -0.336472 0.980829 -1.609438
结果是一个数据帧,所以如果你需要将结果保存在一个新的数据帧中,只需像往常一样设置它
In [50]: new_mydf = mydf.apply(lambda x: np.log(x).diff(1), axis='rows')
In [51]: print(new_mydf)
ID1 ID2 ID3
0 NaN NaN NaN
1 -1.098612 -0.405465 -0.356675
2 0.847298 -1.203973 -0.336472
3 -0.336472 0.980829 -1.609438
编辑:在申请回答 OP 评论后添加更多详细信息以重命名列
In [58]: new_mydf = mydf.apply(lambda x: np.log(x).diff(1), axis='rows').rename(lambda c_name: f'new_{c_name}', axis='columns')
In [58]: print(new_mydf)
new_ID1 new_ID2 new_ID3
0 NaN NaN NaN
1 -1.098612 -0.405465 -0.356675
2 0.847298 -1.203973 -0.336472
3 -0.336472 0.980829 -1.609438
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.