使用lambda函數從不同列的數據幀中獲取參數

我想要學習如何使用lambda表達式而不使用for循環，該函數從數據框的兩列的行中獲取參數並寫入結果到另一列。使用lambda函數從不同列的數據幀中獲取參數

import pandas as pd 

df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]}) 

print(df) 

df["C"] = "" 

print(df) 

def add_num(num1 ,num2): 
    return num1 + num2 

for i in range(len(df)): 
    df["C"][i] = add_num(df["A"][i], df["B"][i]) 
print(df)

來源

2017-05-08 s900n

您可以撥打apply在DF傳球ARG axis=1這將遍歷行明智的，你可以再分選擇在lambda興趣的列傳遞給你的FUNC：

In [49]:  
df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]}) 
df["C"] = "" 
 
def add_num(num1 ,num2): 
    return num1 + num2 
 
df["C"] = df.apply(lambda x: add_num(x["A"], x["B"]), axis=1) 
print(df) 

    A B C 
0 1 2 3 
1 2 3 5 
2 3 4 7

注應該避免使用apply，大多數操作可以使用矢量化方法執行，我知道這只是爲了學習，但你應該尋找一個numpy或其他的矢量化的ufunc

來源

2017-05-08 14:03:52 EdChum

還有一個問題=）這個版本的性能與for循環版本有差別嗎？ – s900n

不，它只是語法糖 – EdChum

不，這不是事實。當調用''lambda'時調用'add_num'函數會比直接調用循環中的'add_num'要慢。然而，這可能是循環對'apply'效率更高一點。但我的猜測是，使用'lambda'的抽象將會變慢。 – MSeifert

這應該這樣做：

import pandas as pd 

df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]}) 

def add_num(num1 ,num2): 
    return num1 + num2 

df['C'] = df.T.apply(lambda x: add_num(x['A'], x['B']))

來源

2017-05-08 14:06:10 zipa

顯而易見的答案是：不使用lambda時更簡單表達式工作：

df['C'] = df['A'] + df['B']

因爲這將使用矢量操作。

@ EdChum的答案已經涵蓋lambda和apply的方法，所以我不會再顯示它。

來源

2017-05-08 14:36:54 MSeifert

使用lambda函數從不同列的數據幀中獲取參數

回答

相關問題