如何对Python Pandas中同一个dataframe中的两列进行运算？

Question

我正在尝试应用操作'xy/y' ， x列'Faturamento'和y列'Custo'来自 dataframe 称为'df' ，并将结果存储在名为'Roi'的新列中。

我尝试使用申请 function：

df['Roi'] = df.apply(lambda x, y: x['Faturamento']-y['Custo']/y['Custo'], axis=1)

正在返回：

TypeError: () missing 1 required positional argument: 'y'

我怎样才能做到这一点？

Answer 1

您可以只使用简单算术等语法的列操作。 Pandas会自动为你对齐索引，让你每次操作都在逐行操作。

df['Roi'] = (df['Faturamento'] - df['Custo']) / df['Custo']

或者

df['Roi'] = df['Faturamento'] / df['Custo'] - 1

这样，您就可以享受Pandas的快速矢量化处理，它已经过优化以快速运行。 如果您在axis=1上将.apply()与 lambda function 一起使用，它只是底层处理中的一个缓慢的 Python 循环，而且会很慢。

性能基准

测试 1. 4 行的小型df

   Faturamento  Custo
0           50     20
1           10      5
2            5     15
3          100    400

%%timeit
df['Roi'] = df.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

721 µs ± 3.54 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
df['Roi'] = df['Faturamento'] / df['Custo'] - 1

490 µs ± 4.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

总结： .apply + lambda 需要721 µs而 Pandas built-in 需要490 µs ：小数据集快 1.47 倍。

测试 2. 具有 40000 行的大型df

df2 = pd.concat([df] * 10000, ignore_index=True)

%%timeit
df2['Roi'] = df2.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

639 ms ± 3.62 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
df2['Roi'] = df2['Faturamento'] / df2['Custo'] - 1

767 µs ± 12.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

摘要： .apply + lambda 耗时639 ms (= 639,000 µs) ，而内置的 Pandas 耗时767 µs ：对于大型数据集，速度快 833 倍。

Answer 2

我想你的意思是：

df['Roi'] = df.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

x指的是dataframe