[英]In Pandas, how do I apply a function to a row of a dataframe, where each item in the row should be passed to the function as an argument?
[英]How can I apply a function to each row in a pandas dataframe?
我對編碼很陌生,所以這可能很簡單,但到目前為止我找到的答案都沒有以我能理解的方式提供信息。
我想獲取一列數據並應用 function (axe^bx),其中 a > 0 和 b < 0。在這種情況下,(x) 將是我數據每一行中的浮點值。
看看我到目前為止有什么,但我不確定 go 從這里到哪里......
def plot_data():
# read the file
data = pd.read_excel(FILENAME)
# convert to pandas dataframe
df = pd.DataFrame(data, columns=['FP Signal'])
# add a blank column to store the normalized data
headers = ['FP Signal', 'Normalized']
df = df.reindex(columns=headers)
df.plot(subplots=True, layout=(1, 2))
df['Normalized'] = df.apply(normalize(['FP Signal']), axis=1)
print(df['Normalized'])
# show the plot
plt.show()
# normalization formula (exponential) = a x e ^bx where a > 0, b < 0
def normalize(x):
x = A * E ** (B * x)
return x
我可以顯示此圖像,但不能顯示“標准化”數據...
謝謝你的幫助!
您的代碼幾乎是正確的。
# normalization formula (exponential) = a x e ^bx where a > 0, b < 0
def normalize(x):
x = A * E ** (B * x)
return x
def plot_data():
# read the file
data = pd.read_excel(FILENAME)
# convert to pandas dataframe
df = pd.DataFrame(data, columns=['FP Signal'])
# add a blank column to store the normalized data
headers = ['FP Signal', 'Normalized']
df = df.reindex(columns=headers)
df['Normalized'] = df['FP Signal'].apply(lambda x: normalize(x))
print(df['Normalized'])
df.plot(subplots=True, layout=(1, 2))
# show the plot
plt.show()
我將apply
行更改為以下內容: df['FP Signal'].apply(lambda x: normalize(x))
。 它只需要 df['FP Signal'] 上的值,因為您不需要整行。 lambda x
表示分配給 x 的當前值,我們將其發送以進行標准化。
你也可以寫df['FP Signal'].apply(normalize)
更直接更簡單。 使用 lambda 只是我個人的偏好,但很多人可能不同意。
一個小的補充是在更改 dataframe 之后放置df.plot(subplots=True, layout=(1, 2))
。 如果您在更改 dataframe 之前 plot,您將看不到 plot 的任何更改。 df.plot
實際上在做 plot, plt.show
只是顯示它。 這就是為什么df.plot
必須在您處理完數據之后。
您可以使用map
將 function 應用於字段
s = pd.Series(['cat', 'dog', 'rabbit'])
s.map(lambda x: x.upper())
0 CAT
1 DOG
2 RABBIT
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.