在python / pandas的多列中應用相似的功能

Question

問題：考慮到下面的數據框，我試圖提供將一個函數應用於三個不同列的代碼，而不必編寫三個單獨的函數調用。

數據代碼：

import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
    'days': [365, 365, 213, 318, 71],
    'spend_30day': [22, 241.5, 0, 27321.05, 345],
    'spend_90day': [22, 451.55, 64.32, 27321.05, 566.54],
    'spend_365day': [854.56, 451.55, 211.65, 27321.05, 566.54]}

df = pd.DataFrame(data)
cols = df.columns.tolist()
cols = ['name', 'days', 'spend_30day', 'spend_90day', 'spend_365day']
df = df[cols]
df

以下功能實質上將支出年度化； 如果某人在“天數”列中少於365天，則以下功能將告訴我，如果他們有365天，支出將是多少：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

然后，我將該函數應用於特定的列：

df.spend_365day = df.apply(annualize_spend_365, axis=1).round(2)
df

這與我希望的那一欄完全一樣。 但是，我不想為三個不同的“支出”列（30、90、365）中的每一個都重寫它。 我希望能夠編寫將代碼概括化並將此功能一次應用到多列的代碼。

我以為可以創建各列及其各自日子的列表，使用“ zip”函數，然后將該函數嵌套在for循環中，但是我在下面的嘗試最終失敗了：

spend_cols = [df.spend_30day, df.spend_90day, df.spend_365day]
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    def annualize_spend(row):
        if (row.days/(float(day)) < 1:
            return (row.col)/((row.days)/float(day))
        else:
            return row.col
    col = df.apply(annualize_spend, axis = 1)

錯誤：

AttributeError: ("'Series' object has no attribute 'col'")

我不確定循環方法為什么會失敗。 無論如何，我希望獲得有關如何在熊貓中泛化函數應用程序的指導。 提前致謝！

Answer 1

查看您的兩個函數定義：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

和

#col in [df.spend_30day, df.spend_90day, df.spend_365day]
def annualize_spend(row):
    if (row.days/(float(day)) < 1:
        return (row.col)/((row.days)/float(day))
    else:
        return row.col

看到不同？ 一方面，在第一種情況下，您使用顯式字段名稱訪問字段，並且該字段有效。 在第二種情況下，您嘗試訪問row.col ，該操作失敗，但是在這種情況下， col假定df相應字段的值 。 試一試

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']

在循環之前。 另一方面，在語法df.days ，字段名稱實際上是“ days”，但是在df.col ，字段名稱不是字符串“ col”，而是字符串col的值 。 因此，在后一種情況下，您可能還想使用row[col] 。 而且無論如何，我不確定在col循環中將col作為輸出變量是多么明智。

---

我不熟悉pandas.DataFrame.apply ，但是可能可以使用單個函數定義，該函數將天數和感興趣的字段作為輸入變量：

def annualize_spend(col,day,row):
    if (row['days']/(float(day)) < 1:
        return (row[col])/((row['days'])/float(day))
    else:
        return row[col]

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    col = df.apply(lambda row,col=col,day=day: annualize_spend(col,day,row), axis = 1)

lambda將確保在apply d時，函數的只有一個輸入參數自由懸掛。