熊貓在第k個參數中的“ .apply（）”

Question

我想將自己的多參數函數應用到Pandas數據幀（或其中的一系列數據），並使用數據幀條目作為我的N參數函數中的第k個參數。

僅當我將數據框作為第一個參數傳遞時，它才似乎有效。 我希望能夠通過其他參數之一傳遞數據框。

# A simple 3 argument function:
def my_func(a, b, c):
    return (a/b)**c

# Data-Frame:
d1 = {
    'column1': [1.1, 1.2, 1.3, ],
    'column2': [2.1, 2.2, 2.3, ]
}
df = pd.DataFrame(d1, index = [1, 2, 3])

# I can apply it fine if I pass the columns as the first argument i.e. "a":
df.apply(my_func, b=7, c=9)

# However, I am unable to pass the columns through arguments "b" or "c":
df.apply(my_func, a = 7, c = 9)

這將返回TypeError ：（ “ my_func（）對於參數'a'具有多個值”，“在索引column1處發生”）

我希望能夠通過我自己的多參數函數的任何參數傳遞數據框（或系列）的列。 是否有一種簡單/直觀（非黑客式）的方法？

Answer 1

如果我對您的理解正確，那么您需要做的是：

my_func(df['column1'], b=7, c=5)

熊貓系列可以乘以/除以/以獲得常數，從而返回相同大小的系列。

在更復雜的情況下，當標量運算不夠用時，也可以將其寫為：

df.apply(lambda row: my_func(row['column1'], b=7, c=5), axis=1)

這里axis=1告訴Pandas將此功能應用於行而不是列（默認）

要逐個應用此功能，可以改用df.appymap ：

df.applymap(lambda value: my_func(7, value, c=5)

然而，這將是更快 ，如果my_func或其輸入可以調整使用的載體，而不是：

my_func(np.ones(df.shape) * 7, df, c=5)