如何将 function 应用于 pandas dataframe 中的每一行？

Question

我对编码很陌生，所以这可能很简单，但到目前为止我找到的答案都没有以我能理解的方式提供信息。

我想获取一列数据并应用 function (axe^bx)，其中 a > 0 和 b < 0。在这种情况下，(x) 将是我数据每一行中的浮点值。

看看我到目前为止有什么，但我不确定 go 从这里到哪里......

def plot_data():

    # read the file
    data = pd.read_excel(FILENAME)

    # convert to pandas dataframe
    df = pd.DataFrame(data, columns=['FP Signal'])

    # add a blank column to store the normalized data
    headers = ['FP Signal', 'Normalized']
    df = df.reindex(columns=headers)
    df.plot(subplots=True, layout=(1, 2))
    df['Normalized'] = df.apply(normalize(['FP Signal']), axis=1)
    print(df['Normalized'])
    # show the plot
    plt.show()

# normalization formula (exponential) = a x e ^bx where a > 0, b < 0
def normalize(x):
    x = A * E ** (B * x)
    return x

我可以显示此图像，但不能显示“标准化”数据...

谢谢你的帮助！

Answer 1

您的代码几乎是正确的。

# normalization formula (exponential) = a x e ^bx where a > 0, b < 0
def normalize(x):
    x = A * E ** (B * x)
    return x

def plot_data():

    # read the file
    data = pd.read_excel(FILENAME)

    # convert to pandas dataframe
    df = pd.DataFrame(data, columns=['FP Signal'])

    # add a blank column to store the normalized data
    headers = ['FP Signal', 'Normalized']
    df = df.reindex(columns=headers)
    df['Normalized'] = df['FP Signal'].apply(lambda x: normalize(x))
    print(df['Normalized'])
    df.plot(subplots=True, layout=(1, 2))
    # show the plot
    plt.show()

我将apply行更改为以下内容： df['FP Signal'].apply(lambda x: normalize(x)) 。 它只需要 df['FP Signal'] 上的值，因为您不需要整行。 lambda x表示分配给 x 的当前值，我们将其发送以进行标准化。

你也可以写df['FP Signal'].apply(normalize)更直接更简单。 使用 lambda 只是我个人的偏好，但很多人可能不同意。

一个小的补充是在更改 dataframe 之后放置df.plot(subplots=True, layout=(1, 2)) 。 如果您在更改 dataframe 之前 plot，您将看不到 plot 的任何更改。 df.plot实际上在做 plot， plt.show只是显示它。 这就是为什么df.plot必须在您处理完数据之后。

Answer 2

您可以使用map将 function 应用于字段

pandas.Series.map

s = pd.Series(['cat', 'dog', 'rabbit'])
s.map(lambda x: x.upper())

0       CAT
1       DOG
2    RABBIT