当Apply方法返回多行时，Pandas Store DataFrame

Question

假设我有一个 DataFrame 为：

a=pd.DataFrame({'number':[1,2,3,4,5],'name':['A','B','C','D','E']})

我想要 output 为：

b=pd.DataFrame({'number':[1,1,2,4,3,9,4,16,5,25],'name':['A','A','B','B','C','C','D','D','E','E']})

这是一个简单的例子，我想要实现的是在第一个 DataFrame 的每一行上运行Apply function 到某个函数（比如 func1），它将返回 2 行。 我还需要将所有返回的行合并到一个 Dataframe 中。

Answer 1

您可以返回 2 个元素的列表，然后执行.explode() ：

a.number = a.number.apply(lambda x: [x, x**2])
print( a.explode('number').reset_index(drop=True) )

印刷：

  number name
0      1    A
1      1    A
2      2    B
3      4    B
4      3    C
5      9    C
6      4    D
7     16    D
8      5    E
9     25    E

Answer 2

你不需要apply ，你几乎不需要， pandas/numpy使用矢量化方法足以满足我们的大部分需求，这些方法速度更快。 Apply 基本上只是一个底层的 for 循环。

在这种情况下，将pd.concat与Series.pow一起使用：

pd.concat([a, a.assign(number=a['number'].pow(2))]).sort_index()

   number name
0       1    A
0       1    A
1       2    B
1       4    B
2       3    C
2       9    C
3       4    D
3      16    D
4       5    E
4      25    E

Answer 3

这是我们可以使用 apply function 的一种方法 - 对于每一行我们 output 和 DataFrame - 在使用 apply 之后，我们得到了一系列所需的数据帧。 感谢Hossein指出我们想使用 apply

def func(series):
    result = series.copy()
    result[0] = result[0] ** 2
    return pd.concat([series, result], axis=1).T
b = pd.conact(a.apply(lambda row: func(row), axis=1).to_list())

Answer 4

例如，如果您的func1可以独立应用于两列，您可以执行以下操作：

def func1(num):
    if isinstance(num, int):
        return num ** 2
    elif isinstance(num, str):
        return num
    else:
        raise Exception("Invalid data type")

b = pd.DataFrame()
for col in a.columns:
    transformed_array = [func1(num) for num in a[col]]
    b[col] = np.array(list(zip(a[col], transformed_array))).flatten()

如果你想做一些适用于两者的事情：

def func1(series):
    return pd.Series([series[0] ** 2, series[1]])

results = []
for idx, row in a.iterrows():
    results.append(row.reset_index(drop=True))
    results.append(func1(row))
b = pd.concat(results, axis=1).T.reset_index(drop=True)
b.columns = a.columns

可能不是最有效的方法，但可以让您完全自定义应用于每列的功能。 如果列相互影响，则第二种方式可以轻松更改func1