簡體   English   中英

應用函數和返回多列的最pythonic方法是什么?

[英]What is the most pythonic way to apply a function on and return multiple columns?

在使用Pandas時,我經常會遇到一個現有函數,它接受多個參數並返回多個值:

def foo(val_a, val_b):
    """
    Some example function that takes in and returns multiple values.
    Can be a lot more complex.
    """
    sm = val_a + val_b
    sb = val_a - val_b
    mt = val_a * val_b
    dv = val_a / val_b
    return sm, sb, mt, dv

假設我有一個數據幀:

import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4], [5, 6], [7, 8]])
df
Out[6]: 
   0  1
0  1  2
1  3  4
2  5  6
3  7  8

我想要的是在df上將foo應用於第0列和第1列作為參數,並將結果放入df新列中, 而不修改foo ,如下所示:

df_out
Out[7]:
   0  1  su  sb  mt  dv
0  1  2  3   -1  2   0.5
1  3  4  7   -1  12  0.75
2  5  6  11  -1  30  0.833
3  7  8  15  -1  56  0.875

實現這一目標的最pythonic方法是什么?

>>> pd.concat([df, df.from_records(foo(df[0], df[1])).T], axis=1)
   0  1     0    1     2         3
0  1  2   3.0 -1.0   2.0  0.500000
1  3  4   7.0 -1.0  12.0  0.750000
2  5  6  11.0 -1.0  30.0  0.833333
3  7  8  15.0 -1.0  56.0  0.875000

速度:每循環1.13 ms

如果您關心速度,這優於使用apply並提供您想要的輸出。

>>> pd.concat([df, df.from_records(np.vectorize(foo)(df[0], df[1])).T], axis=1)

速度:每回路728μs

#apply function foo and generate a DF using return values and then merge into existing DF.
merged = pd.merge(df,df.apply(lambda x: pd.Series(foo(x[0],x[1])),axis=1),left_index=True,right_index=True)
#change column names.
merged.columns=[0,1,'sm','sb','mt','dv']

merged
Out[1478]: 
   0  1    sm   sb    mt        dv
0  1  2   3.0 -1.0   2.0  0.500000
1  3  4   7.0 -1.0  12.0  0.750000
2  5  6  11.0 -1.0  30.0  0.833333
3  7  8  15.0 -1.0  56.0  0.875000

您可以使用apply + DataFrame構造函數:

cols = ['sm','sb','mt','dv']
df[cols] = pd.DataFrame(df.apply(lambda x: foo(x[0], x[1]), 1).values.tolist(),columns= cols)
print (df)
   0  1  sm  sb  mt        dv
0  1  2   3  -1   2  0.500000
1  3  4   7  -1  12  0.750000
2  5  6  11  -1  30  0.833333
3  7  8  15  -1  56  0.875000

解決方案與concat

cols = ['sm','sb','mt','dv']
df[cols] = pd.concat(foo(df[0], df[1]), axis=1, keys=cols)
print (df)
   0  1  sm  sb  mt        dv
0  1  2   3  -1   2  0.500000
1  3  4   7  -1  12  0.750000
2  5  6  11  -1  30  0.833333
3  7  8  15  -1  56  0.875000

也可以創建新的DataFrame然后concat原始:

cols = ['sm','sb','mt','dv']
df1 = pd.concat(foo(df[0], df[1]), axis=1, keys=cols)
print (df1)
   sm  sb  mt        dv
0   3  -1   2  0.500000
1   7  -1  12  0.750000
2  11  -1  30  0.833333
3  15  -1  56  0.875000

df = pd.concat([df, df1], axis=1)
print (df)
   0  1  sm  sb  mt        dv
0  1  2   3  -1   2  0.500000
1  3  4   7  -1  12  0.750000
2  5  6  11  -1  30  0.833333
3  7  8  15  -1  56  0.875000

暫無
暫無

聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM