A pandas dataframe 列作为行级 function 的参数传递，以将列的每个值应用于其各自的行

Question

![在此处输入图像描述][1]

我有一个奇怪的要求，即添加类似于以下 oracle 查询的列以应用于 python dataframe。 A pandas dataframe 列作为行级 function 的参数传递，以将列的每个值应用于其各自的行。

select employee_id, first_name, last_name, substr(first_name, employee_id/employee_id, 3) test1 from hr.EMPLOYEES

结果已附在下面的 csv 文件中。 我想添加一个新列。 所以我写了我的 pandas 声明如下

EMPLOYEE.assign(test1=EMPLOYEE.FIRST_NAME.str.slice(EMPLOYEE.EMPLOYEE_ID.apply(lambda x: x/x),4))

在此代码中，我在 EMPLOYEE.FIRST_NAME 列的切片 function 内使用 EMPLOYEE.EMPLOYEE_ID。

我的意图是如果我们认为这是一个变量

FIRST_NAME="Steven"
EMPLOYEE_ID=100
FIRST_NAME[int(EMPLOYEE_ID/EMPLOYEE_ID):4]

output 是'tev'

如果我在 dataframe 上应用相同的概念，则它不起作用。

我没有得到 substring，而是得到了 NaN。 我的 Python output 如下

https://i.stack.imgur.com/uZN8x.png

以下是来自 SQL 查询的 output。

    EMPLOYEE_ID   FIRST_NAME  LAST_NAME TEST1
0           100       Steven       King   Ste
1           101        Neena    Kochhar   Nee
2           102          Lex    De Haan   Lex
3           103    Alexander     Hunold   Ale
4           104        Bruce      Ernst   Bru
5           105        David     Austin   Dav
6           106        Valli  Pataballa   Val
7           107        Diana    Lorentz   Dia
8           108        Nancy  Greenberg   Nan
9           109       Daniel     Faviet   Dan
10          110         John       Chen   Joh
11          111       Ismael    Sciarra   Ism
12          112  Jose Manuel      Urman   Jos
13          113         Luis       Popp   Lui

我们可以通过创建一个新列来做到这一点，但是，就像在 SQL 中一样，我们可以直接做到这一点。 我期待通过 pandas 得到同样的结果。 请帮助我。

我的预期 output 与上面相同。 但是，我正在编写一个通用脚本，将 SQL 查询转换为 pandas dataframe。 我被困在实现这样的场景中，其中有一列作为行级 function 的参数传递。

Answer 1

尝试：

res = df[['EMPLOYEE_ID', 'FIRST_NAME', 'LAST_NAME']].assign(pre=df['FIRST_NAME'].str[:3])
print(res)

Output

    EMPLOYEE_ID   FIRST_NAME  LAST_NAME  pre
0           100       Steven       King  Ste
1           101        Neena    Kochhar  Nee
2           102          Lex    De Haan  Lex
3           103    Alexander     Hunold  Ale
4           104        Bruce      Ernst  Bru
5           105        David     Austin  Dav
6           106        Valli  Pataballa  Val
7           107        Diana    Lorentz  Dia
8           108        Nancy  Greenberg  Nan
9           109       Daniel     Faviet  Dan
10          110         John       Chen  Joh
11          111       Ismael    Sciarra  Ism
12          112  Jose Manuel      Urman  Jos
13          113         Luis       Popp  Lui

要将它与str.slice一起使用，请执行以下操作：

res = df[['EMPLOYEE_ID', 'FIRST_NAME', 'LAST_NAME']].assign(pre=df['FIRST_NAME'].str.slice(stop=3))

其中，停止是：

stop int，可选 Stop position 用于切片操作。

基本上一次迭代一个字符并在 position 3 （不包括在内）中停止。

Answer 2

df[['EMPLOYEE_ID', 'FIRST_NAME', 'LAST_NAME']].apply(lambda i: i.FIRST_NAME[int(i.EMPLOYEE_ID/i.EMPLOYEE_ID):4], axis=1)

以上为我解答。 但它比另一个慢

%timeit EMPLOYEE.apply(lambda i: i.FIRST_NAME[int(i.EMPLOYEE_ID/i.EMPLOYEE_ID):3], axis=1)

每个循环 1.38 毫秒 ± 58.8 微秒（平均值 ± 标准偏差。7 次运行，每次 1000 次循环）

%timeit EMPLOYEE[['EMPLOYEE_ID', 'FIRST_NAME', 'LAST_NAME']].assign(pre=EMPLOYEE['FIRST_NAME'].str[1:4])

每个循环 948 µs ± 22.9 µs（7 次运行的平均值 ± 标准偏差，每次 1000 个循环）