如何使用 lambda 函數在數據幀上使用 Pandas apply()？

Question

考慮以下代碼：

import pandas as pd
import numpy as np

N = 10
idx = np.linspace(0, 1, N)

labels = ["a", "b", "c"]
values = np.stack((np.random.rand(N), np.random.rand(N), np.random.rand(N))).transpose()

df = pd.DataFrame(index=idx, columns=labels, data=values)

現在假設我想從"a"列中減去值3和從"b"列中減去值5 。

我可以通過以下方式輕松實現：

cols = labels[0:2]
df.loc[:, cols] = df.loc[:, cols].subtract([3, 5])

但是，如果我使用以下內容：

df.loc[:, cols].apply(lambda x: x.subtract([3, 5]))

我得到一個ValueError: Lengths must be equal 。

如果我使用

df.loc[:, cols].apply(lambda x: x.subtract(3))

它有效，但它從cols中指定的兩列中減去3 。

鑒於方法apply()的一般性，我想了解當apply()方法中使用的lambda function中的x類型是dataframe並且我想在不同的列中做不同的事情時如何使用它。

我正在尋找不那么冗長的方法，我知道我可以通過迭代cols來通過 for 循環來做到這一點。

Answer 1

使用axis=1處理每行，但它像矢量化的第一個解決方案一樣慢：

df.loc[:, cols] = df.loc[:, cols].apply(lambda x: x.subtract([3, 5]), axis=1)

您可以檢查它如何與print一起使用：

#each Series has 2 values by rows
df.loc[:, cols].apply(lambda x: print (x), axis=1)

#each Series has all values of columns
df.loc[:, cols].apply(lambda x: print (x))