


Wie wende ich eine Funktion auf mehrere Pandas DataFrame-Spalten an?
Anwenden von Funktionen auf mehrere Spalten in Pandas-Datenrahmen
Das elementweise Anwenden von Funktionen auf mehrere Spalten in Pandas-Datenrahmen kann eine häufige Aufgabe sein. In diesem Beispiel zeigen wir, wie Sie eine Funktion auf zwei bestimmte Spalten „col_1“ und „col_2“ anwenden, um eine neue Spalte „col_3“ zu erstellen.
Definieren Sie zunächst die Funktion, die Sie anwenden möchten. In diesem Fall haben wir get_sublist, das zwei Argumente akzeptiert, sta und end. Diese Funktion soll eine Unterliste einer vordefinierten Liste mylist basierend auf den Eingabeargumenten zurückgeben.
Als nächstes erstellen Sie einen Pandas DataFrame (df), der die Spalten enthält, mit denen Sie arbeiten möchten. Stellen Sie sicher, dass die Spalten über geeignete Datentypen für Ihre Funktion verfügen.
Um die Funktion auf mehrere Spalten anzuwenden, verwenden Sie die Apply-Funktion von Pandas. Diese Funktion übernimmt eine Funktion und wendet sie auf jede Zeile des DataFrame an. Es erfordert die Angabe des Achsenarguments, das auf 1 gesetzt werden sollte, um die Funktion zeilenübergreifend anzuwenden.
Die Verwendung der Apply-Funktion mit Positionsargumenten kann jedoch zu Fehlern führen. Um dies zu umgehen, können wir eine anonyme Funktion (auch als Lambda-Funktion bekannt) als anzuwendendes Argument verwenden. Die Lambda-Funktion kann über deren Namen auf die Spaltenwerte der aktuellen Zeile zugreifen.
Hier ist der Code:
df['col_3'] = df.apply(lambda x: get_sublist(x.col_1, x.col_2), axis=1)
Dieser Code erstellt eine neue Spalte, „col_3“, mit dem Ergebnis Anwenden der Funktion get_sublist auf jede Zeile von „col_1“ und „col_2“. Die Lambda-Funktion stellt sicher, dass die richtigen Argumente an die Funktion get_sublist übergeben werden.
Als Ergebnis erhalten Sie einen DataFrame mit der gewünschten Ausgabe, wobei jede Zeile in „col_3“ eine Unterliste basierend auf den entsprechenden Werten enthält in 'col_1' und 'col_2'.
Das obige ist der detaillierte Inhalt vonWie wende ich eine Funktion auf mehrere Pandas DataFrame-Spalten an?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python eignet sich für Datenwissenschafts-, Webentwicklungs- und Automatisierungsaufgaben, während C für Systemprogrammierung, Spieleentwicklung und eingebettete Systeme geeignet ist. Python ist bekannt für seine Einfachheit und sein starkes Ökosystem, während C für seine hohen Leistung und die zugrunde liegenden Kontrollfunktionen bekannt ist.

Python zeichnet sich in Gaming und GUI -Entwicklung aus. 1) Spielentwicklung verwendet Pygame, die Zeichnungen, Audio- und andere Funktionen bereitstellt, die für die Erstellung von 2D -Spielen geeignet sind. 2) Die GUI -Entwicklung kann Tkinter oder Pyqt auswählen. Tkinter ist einfach und einfach zu bedienen. PYQT hat reichhaltige Funktionen und ist für die berufliche Entwicklung geeignet.

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Sie können grundlegende Programmierkonzepte und Fähigkeiten von Python innerhalb von 2 Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master Control Flow (bedingte Anweisungen und Schleifen), 3.. Verstehen Sie die Definition und Verwendung von Funktionen, 4. Beginnen Sie schnell mit der Python -Programmierung durch einfache Beispiele und Code -Snippets.

Um die Effizienz des Lernens von Python in einer begrenzten Zeit zu maximieren, können Sie Pythons DateTime-, Zeit- und Zeitplanmodule verwenden. 1. Das DateTime -Modul wird verwendet, um die Lernzeit aufzuzeichnen und zu planen. 2. Das Zeitmodul hilft, die Studie zu setzen und Zeit zu ruhen. 3. Das Zeitplanmodul arrangiert automatisch wöchentliche Lernaufgaben.

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.
