如何将自定义函数应用于每行的熊猫数据框[重复]

Posted 2023-03-11

【中文标题】如何将自定义函数应用于每行的熊猫数据框[重复]

【英文标题】：How to apply custom function to pandas data frame for each row [duplicate]

【发布时间】：2017-03-14 04:55:55

【问题描述】：

我想应用一个自定义函数并创建一个名为 population2050 的派生列，该列基于我的数据框中已经存在的两列。

import pandas as pd
import sqlite3
conn = sqlite3.connect('factbook.db')
query = "select * from facts where area_land =0;"
facts = pd.read_sql_query(query,conn)
print(list(facts.columns.values))

def final_pop(initial_pop,growth_rate):
    final = initial_pop*math.e**(growth_rate*35)
    return(final)

facts['pop2050'] = facts['population','population_growth'].apply(final_pop,axis=1)

当我运行上面的代码时，我得到一个错误。我没有正确使用“应用”功能吗？

【参考方案1】：

您无需DataFrame.apply() 即可获得相同的结果。 Pandas 系列（或数据框列）可以用作 NumPy 函数甚至内置 Python 运算符的直接参数，这些运算符是按元素应用的。在你的情况下，它就像以下一样简单：

import numpy as np

facts['pop2050'] = facts['population'] * np.exp(35 * facts['population_growth'])

这将 population_growth 列中的每个元素相乘，将 numpy 的 exp() 函数应用于该新列 (35 * population_growth)，然后将结果与 population 相加。

【参考方案2】：

你的功能，

def function(x):
  // your operation
  return x

调用你的函数，

df['column']=df['column'].apply(function)

【参考方案3】：

你快到了：

facts['pop2050'] = facts.apply(lambda row: final_pop(row['population'],row['population_growth']),axis=1)

使用 lambda 可以让您保留函数中列出的特定（有趣）参数，而不是将它们捆绑在一个“行”中。

【参考方案4】：

Apply 将通过轴 = 1 的整行。假设你的两列被称为initial_pop和growth_rate

def final_pop(row):
    return row.initial_pop*math.e**(row.growth_rate*35)