如何遍歷數據框中的列並同時更新兩個新列？

Question

我知道我可以向數據幀添加一列，並將其值更新為函數返回的值，如下所示：

df=pd.DataFrame({'x':[1,2,3,4]})

def square(x):
    return x*x

df['x_squared'] = [square(i) for i in df['x']]

但是，我遇到的問題是實際函數返回兩個項目，我想將這兩個項目放在兩個不同的新列中。 我在這里寫了一個偽代碼來更清楚地描述我的問題：

df=pd.DataFrame({'x':[1,2,3,4]})

def squareAndCube(x):
    return x*x, x*x*x

#below is a pseudo-code
df['x_squared'], df['x_cubed'] = [squareAndCube(i) for i in df['x']]

上面的代碼給我一個錯誤消息，說“打開太多的值”。 那么，我該如何解決這個問題呢？

Answer 1

你可以用矢量化的方式做，就像這樣 -

df['x_squared'], df['x_cubed'] = df.x**2,df.x**3

或者使用那個自定義函數，就像這樣 -

df['x_squared'], df['x_cubed'] = squareAndCube(df.x)

---

回到你的循環案例，在作業的右側，你有：

In [101]: [squareAndCube(i) for i in df['x']]
Out[101]: [(1, 1), (4, 8), (9, 27), (16, 64)]

現在，在左側，你有df['x_squared'], df['x_cubed'] = 。 因此，它期望所有行的平方數作為第一個輸入賦值。 從上面顯示的列表中，第一個元素不是，它實際上是第一行的正方形和立方體。 因此，修復是“轉置”該列表並指定為新列。 因此，修復將是 -

In [102]: L = [squareAndCube(i) for i in df['x']]

In [103]: map(list, zip(*L))  # Transposed list
Out[103]: [[1, 4, 9, 16], [1, 8, 27, 64]]

In [104]: df['x_squared'], df['x_cubed'] = map(list, zip(*L))

---

對於NumPy broadcasting的熱愛！

df['x_squared'], df['x_cubed'] = (df.x.values[:,None]**[2,3]).T

Answer 2

這適用於正數。 思考如何概括，但這種解決方案的簡潔讓我心煩意亂。

df = pd.DataFrame(range(1, 10))
a = np.arange(1, 4).reshape(1, -1)

np.exp(np.log(df).dot(a))

Answer 3

如何像這樣使用df.loc ：

df=pd.DataFrame({'x':[1,2,3,4]})

def square(x):
    return x*x

df['x_squared'] = df['x_cubed'] = None
df.loc[:, ['x_squared', 'x_cubed']] = [squareAndCube(i) for i in df['x']]

給

   x  x_squared  x_cubed
0  1          1        1
1  2          4        8
2  3          9       27
3  4         16       64

這非常接近你所擁有的，但df.loc需要存在列才能工作。

對於不熟悉的人來說，df.loc有兩個參數，一個你想要處理的行列表 - 在這種情況下:這意味着所有這些參數，以及一個列列表 - ['x_squared', 'x_cubed'] 。