主页 / coding / 问题 / 79208772
Accepted
goweon
Asked: 2024-11-21 03:56:32 +0800 CST

pandas 应用多列

  • 772

从此数据框开始

df = pd.DataFrame(
    np.arange(3*4).reshape((4, 3)),
    index=['a', 'b', 'c', 'd'],
    columns=['A', 'B', 'C']
)
print(df)
   A   B   C
a  0   1   2
b  3   4   5
c  6   7   8
d  9  10  11

我想对每一列应用两个函数来为每个原始列生成两列以获得这种形状，并且每个原始列下方嵌套一个多索引列：

    A        B        C     
    x    y   x    y   x    y
a  10  100  11  101  12  102
b  13  103  14  104  15  105
c  16  106  17  107  18  108
d  19  109  20  110  21  111

然而，这样的事情不起作用

df.apply(lambda series:
    series.transform([lambda x: x+10, lambda x: x+100])
)

并提出ValueError: If using all scalar values, you must pass an index

请注意，我不想像这个答案中那样使用 agg ，因为这不是聚合。我也想避免直接引用列名。

python

2 个回答

  1. Best Answer

    您只需要使用df.transform()并赋予您的函数名称。

    def x(k):
    return k + 10

def y(k):
    return k + 100

df.transform([x, y])

        A        B        C     
    x    y   x    y   x    y
a  10  100  11  101  12  102
b  13  103  14  104  15  105
c  16  106  17  107  18  108
d  19  109  20  110  21  111
    • 4

  2. 解决方案 1

    一种可能的解决方案，其步骤如下：

    • 首先，它创建两个新的数据框：一个为每个元素加 10，另一个为每个元素加 100。

    • pd.concat然后，它使用with沿着列连接这些数据框axis=1并分配键['x', 'y']以创建分层列索引。

    • 该方法swaplevel用于先交换列的级别MultiIndex，然后sort_index对列进行排序。

    (pd.concat([df + 10, df + 100], axis=1, keys=['x', 'y'])
 .swaplevel(axis=1).sort_index(axis=1))

    解决方案 2

    另一种可能的解决方案，其步骤如下：

    • 它首先创建两个新的数据框：一个数据框的每个元素添加 10（df + 10），另一个数据框的每个元素添加 100（df + 100）。

    • 使用with将这两个数据框组合成一个 3Dnumpy数组，从而得到一个第三维堆叠两个转换的数组。stackaxis=2

    • 然后将数组重塑为具有与 相同行数的二维数组df。

    • 从这个重塑数组中创建一个新的数据框，并使用 为列分配分层索引pd.MultiIndex.from_product。

    pd.DataFrame(
    np.stack([df + 10, df + 100], axis=2).reshape(df.shape[0], -1),
    columns=pd.MultiIndex.from_product([df.columns, ['x', 'y']]))

    输出：

        A        B        C     
    x    y   x    y   x    y
0  10  100  11  101  12  102
1  13  103  14  104  15  105
2  16  106  17  107  18  108
3  19  109  20  110  21  111
    • 3

相关问题