如何在熊貓中將一列的值與另一列的值相除/相乘？

Question

我的數據框看起來很喜歡

Minutes Played, Points, Assists

      MP   PTS   TRB   AST    FG%  BLK    3P%
0   2810   793   678   117  0.485   74  0.315
1    263   101    30    19  0.402    7  0.385
2   4241  1170  1178   144  0.548  201  0.000

我想將這些數據框轉換為具有這些列的數據框

Points/Minutes, Assists/Minutes

基本上第一列是播放的總分鍾數，我希望將所有剩余的統計信息隱瞞為每分鍾。

是的，我在做

 input_data['PTS']/input_data['MP']

然后將所有系列串聯起來，這樣做的pythonic方法是什么？ 如何使用Map / lambda操作做到這一點？

Answer 1

您可以使用IIUC：

print input_data
     MP   PTS   TRB  AST    FG%  BLK    3P%
0  2810   793   678  117  0.485   74  0.315
1   263   101    30   19  0.402    7  0.385
2  4241  1170  1178  144  0.548  201  0.000

input_data['A'] = input_data['PTS']/input_data['MP']
input_data['B'] = input_data['AST']/input_data['MP']
print input_data
     MP   PTS   TRB  AST    FG%  BLK    3P%         A         B
0  2810   793   678  117  0.485   74  0.315  0.282206  0.041637
1   263   101    30   19  0.402    7  0.385  0.384030  0.072243
2  4241  1170  1178  144  0.548  201  0.000  0.275878  0.033954

print pd.DataFrame({'A': input_data['A'],'B': input_data['B']}, index=input_data.index)
          A         B
0  0.282206  0.041637
1  0.384030  0.072243
2  0.275878  0.033954

Answer 2

用第一列除數據框以外的所有列。

df.iloc[:, ].apply(lambda s: s / df.iloc[:, 0])
        PTS       TRB       AST       FG%       BLK       3P%
0  0.282206  0.241281  0.041637  0.000173  0.026335  0.000112
1  0.384030  0.114068  0.072243  0.001529  0.026616  0.001464
2  0.275878  0.277765  0.033954  0.000129  0.047394  0.000000

這也適用：

df.iloc[:, 1:].div(df.iloc[:, 0].values, axis=0)

我相信您隨后將需要重新計算FG％和3P％列。 這將對原始數據幀進行分割，而MP，FG％和3P％保持不變。

df.iloc[:, [1, 2, 3, 5]] = df.iloc[:, [1, 2, 3, 5]].div(df.iloc[:, 0].values, axis=0)

>>> df
     MP       PTS       TRB       AST    FG%       BLK    3P%
0  2810  0.282206  0.241281  0.041637  0.485  0.026335  0.315
1   263  0.384030  0.114068  0.072243  0.402  0.026616  0.385
2  4241  0.275878  0.277765  0.033954  0.548  0.047394  0.000

ps勇士！！！

Answer 3

不，串聯新系列是很慣用的。

您還可以使用df['newcol'] = ...來構建所需的內容。